为了解决高校数学建模教学和技能培养痛点问题，学校必须依托社会的力量，在数学建模技能教学设施、师资培养、实验手段、行业实例和应用等方面，进行合作，迅速提高学校的数学建模技能培养水平。
（1）建立一体化数学建模教学、实训实验室，夯实数学建模知识和技能教学的软件基础；
（2）设置科学的、适合学校的数学建模实训实例资源，学习和掌握数学建模知识和技能。
（3）通过实验室的教学和实训，掌握项目实战的手段和方法，培养数学建模实战型人才。
为帮助更好培养学校数学建模能力或数学建模实验室，泰迪科技依据真实的数学建模竞赛（国赛、美赛、湾区金融数模赛、深圳杯等各类数学建模竞赛），整理及开发各年不同类型数模竞赛的赛题资料，形成教学课程与竞赛实例，搭配成熟稳定的大数据架构建模实操平台环境，以及提供学校师生数学建模学校能力培训与服务，最终达成师生数学建模能力的有效培养，也为学生参加数学建模竞赛提供有力的帮助。
数学建模能力建设架构图
泰迪科技开发的课程资源以实操实战为核心，贯穿数学建模所需的知识点。课程配有齐全的教学课件，实训指导书，实现代码、数据等，能够帮助老师和学生快速掌握数学建模能力。
1.数学建模入门
课程简介
《数学建模入门》是一门阐述数学建模基础的课程，课程主要内容涵盖了数学建模基础、论文排版与写作、竞赛简介与文件检索、入门简单模型、概率论、线性代数等内容。通过本课程的学习，能够掌握数学建模的知识范围，常见问题类型，数学建模竞赛论文的写作方法、常见论文的排版方法，数学建模竞赛的流程，参考文献检索的方法，以及部分简单模型的原理与应用。
2.基本数学模型（Python）
课程简介
《基本数据模型（Python）》是数学建模系列课程中的核心课程，主要内容包括层次分析、插值与拟合、时间序列模型、微分方程模型、动态规划、回归和统计模型。通过该课程的学习，用户能够掌握基本数学模型的的基本原理、实现方法等内容，从而为真正参加数学建模奠定坚实的基础。
3.概率论与数理统计
课程简介
《概率论与数理统计》是数学建模系列课程的核心课程，课程内容包括数据的组织与描述、概率、概率分布、概率密度、抽样分布、均值、方差、递归分析、方差分析、析因实验、非参数检验、质量改进计划统计、可靠性和生命周期应用等内容。通过本课程的学习，能够掌握常见数理与统计问题的解决方法，实现思路和Python编程实现。
4.多元统计分析（Python）
课程简介
《多元统计分析》是统计学的一个重要分支，是从经典统计学中发展起来的一个分支，是一种综合分析方法，它能够在多个对象和多个指标互相关联的情况下分析它们的统计规律，很适合自然科学和社会科学的特点。通过本课程的学习，使学生系统地了解多元统计分析的基本概念和基本原理，掌握常用的多元统计基本思想和方法，并学会运用于实际问题，处理常见的多元统计问题。
5.Python数据分析与挖掘
课程简介
《Python数据分析与挖掘》是数学建模系列课程的拓展课程。通过学习本课程，可掌握数据分析与挖掘中常用机器学习算法的应用情景、算法理论基础、算法编程实现、模型评价体系构建的主要方法和技能，并为后续相关课程学习及将来从事数据分析工作奠定基础。课程主要讲解常用机器学习理论和算法的方法：包括数据分析与挖掘的绪论、模型评估与选择、回归分析、决策树、神经网络、KNN算法、朴素贝叶斯算法、聚类分析、支持向量机。算法的相关任务往往也会受到数据变化、计算能力和经验性判断等的限制，课程将深入了解机器学习中的常用算法，并从宏观把握每种算法解决问题时的思路。
6.优化教学模型（Python）
课程简介
《优化数学模型（Python）》是数学建模系列课程的核心课程，主要内容包泰迪科技数学建模实验室建设方案
括了线性规划、非线性规划、图论问题、排队论模型、数据处理模型、智能优化算法：元胞自动机、启发式算法（遗传算法、蚁群算法、模拟退火）等内容。通过本课程的学习，能够掌握常见优化数学建模问题的解决方法与解决思路，同时掌握优化模型的Python编程工具实现。
7.模糊教学方法与应用
课程简介
《模糊数学方法与应用》是数学建模系列课程的核心课程，课程内容包括模糊集合及其运算、模糊统计方法、模糊聚类分析、模糊模型识别、模糊决策（含层次分析法）、模糊线性规划、模糊控制等内容。通过本课程的学习，能够掌握常见的模糊数学模型相关的数学建模问题的解决方法与解决思路，以及Python编程工具实现。
8.Python数据可视化实战
课程简介
《Python数据可视化实战》是数学建模系列课程的拓展课程。通过学习本课程，可掌握Matplotlib绘图、Seaborn进阶绘图、Bokeh交互式绘图、Pyecharts绘图的主要方法和技能，并为后续相关课程学习及将来从事数据分析挖掘研究、数据分析工作奠定基础。本课程将通过讲述创建图形到输出保存图形的整体流程到具体的各种图形及修改图形中的特征来介绍Matplotlib模块、Seaborn模块、Bokeh交互式绘图和Pyecharts绘制基本图表，向学员逐步呈现Python由基础到高级绘图。
通过学习本案例，可掌握特征路径长度、聚合系数、主成分分析和节点中心度的主要方法和技能，并为后续相关数学建模相关知识深入学习与应用及将来从事数据分析工作奠定基础。
通过学习本实例，可掌握排队模型、模型优化、稳健性与敏感性分析的主要方法和技能，并为后续数学建模相关知识学习及将来从事数据分析工作奠定基础。
通过学习本实例，可掌握的线性回归、阈值模拟、PCA降维和主成分分析的主要方法和技能，并为后续数学建模相关知识深入学习及将来从事数据分析工作奠定基础。
通过学习本实例，可掌握数据预处理、成本分析、效益分析和模型评价的主要方法和技能，并为后续数学建模相关知识深入学习与应用及将来从事数据分析工作奠定基础。
通过学习本实例，可掌握文本处理、文本挖掘和K-Means聚类的主要方法和技能，并为后续数学建模相关知识深入学习与应用及将来从事数据挖掘工作奠定基础。
通过学习本实例，可掌握生命周期模型与动态规划的主要方法和技能，并为后续数学建模相关知识深入学习与应用及将来从事数据挖掘建模工作奠定基础。
通过学习本实例，可掌握数据预处理、模型求解、模型构建和评价的主要方法和技能，并为后续相关课程学习及将来从事数据分析相关工作奠定基础。
通过学习本实例，可掌握层次分析法和熵权法计算指标权重、用TOPSIS方法和灰色关联分析法进行评估的主要方法和技能，并为后续相关课程学习及将来从事数据分析工作奠定基础。
通过学习本案例，可掌握最小二乘法理论及代码实现，熵权法、变异系数法等相关方法，并为后续相关课程学习及将来从事数据分析相关工作奠定基础。
通过学习本实例，可掌握选取指标去建立模型评估事物属性的能力、计算各指标权重和衡量各指标之间的关系的能力以及对获取的数据进行处理的主要方法和技能，并为后续相关课程学习及将来从事数据分析工作奠定基础。
数学建模资源管理平台主要用于承载数学建模课程和实例资源，能够对所有资源及实训资源进行统一管理，提供在线学习、实训、考试等服务的管理平台。平台以实训为核心，提供在线学习+实训的教学模式。平台课程资源包含课件、视频、实训指导书、数据和代码等资源，由浅至深引导学生学习并掌握数学建模知识体系。
Python数学建模实训平台是面向数学建模竞赛和日常训练的编程实训平台，平台预装数学建模相关竞赛所需的Python实训环境。平台采用容器云部署方案进行部署，并能够与“数学建模资源管理平台”集成，支持从“数学建模资源管
理平台”直接访问“Python数学建模实训平台”。
云计算资源管理平台，以Docker、Kubernetes为核心引擎的容器化应用部署、运行环境。平台为多节点高可用集群，可避免单点故障；采用分布式文件存储系统提供存储能力，支持跨节点、跨应用访问，支持多副本存储卷，避免数据丢失；基于弹性vIP对外提供统一的访问入口，避免节点异常导致服务中断；基于GPU切片技术对外提供GPU计算能力，可按需为应用分配部分、整个甚至多个GPU计算资源；提供图形化管理界面，便于使用和维护，在图形管理界面中可快递配置容器化应用部署，支持对容器化应用进行扩容、缩容、调整计算资源、滚动更新/回滚、查看日志等操作；提供图形化资源监控页面，可查看集群整体、单个组件、单个应用等的资源使用情况。
数学建模应用实验平台主要用于数学建模实例相关训练，无需编程，通过拖拽式进行操作，以流程化的方式将数据输入输出、统计分析、数据清洗、数据处
理，建模分析等环节进行连接，达成数学建模的目的。同时支持查看拖拽的组件代码与修改源码实现对代码的熟悉，由浅入深，环环相扣。不仅能够帮助学生快速建立数学建模应用工程化的思维，了解数学建模工程与数据挖掘建模流程；还能够帮助老师减少算法课程备课成本，能够使用平台现有的功能组件实现数学建模或相关算法的授课；还能够帮助我校其他专业更好理解数学建模思想与数据挖掘建模的相关内容。
如您希望进一步了解服务内容，欢迎联系我们的客户服务团队，专业顾问将为您提供个性化服务演示与试用方 案定制服务。
 | 张老师 解决方案负责 人 |  |
| 18927565259 | ||
| 020-22205718 | ||
| 广东泰迪智能科技股份有限公司 |
