来源:新东方美国研究生留学
我们的MCM美赛系列课程讲座正在如火如荼的进行当中，上周四我们也发布了第二期的视频课程链接。两节视频课加起来，长达一个半小时的干货课程，很多听过之后的同学反馈，都是收获颇丰。
然而，很多同学因为种种原因，并没有加入到第二期的课程群中。之前的海报宣传，大家也都只是看到了课程大纲，而不太清楚到底在课程中提到了哪些。不要急，今天，我们就来给大家揭秘课程内容。
（详细具体的课程全部视频内容，请留意文章最后哟）
经典数学模型
第一段视频
在数学建模中有一些常见的基本模型，赛题基本是这些模型的深入或变形。本讲主要介绍了基本模型中模拟方法建模和离散概率模型。其中包括蒙特卡洛模拟、排队模型、马尔科夫过程、线性回归四大模型。
课程开头，引入了模拟方法建模的原因与必要性，引出了建模中常用的模拟方法：蒙特卡洛模拟，并用求圆形面积的例子讲解基本的用法。在计算机模拟中，产生随机数是比较关键的步骤，随后课程讲解平方取中与线性同余两种较为常见的随机数生成方法。最后以2010年国赛A题为例讲解了模型的具体用法。
第二模型讲解了排队模型，从概念、模型常见的结构、排队模型的建模步骤以及模型的主要指标几个方面对其进行了讲解，并用2017年美赛B题特等奖赛题作为例子对排队模型的应用进行举例。
随后，引入了另一个建模中较为重要的模型：离散概率模型。选择了典型的马尔科夫过程进行重点讲解，用天气的变化作为例子，讲解马尔科夫链、状态转移矩阵、稳态分布的概念，并用“选举投票趋势预测”作为例子讲解其应用。
本节课程最后讲解了线性回归模型，首先讲解了定义、基本的统计量（和方差、均方差、均方根、SSR、SST、R-square），随后讲解了如何用线性回归来解题，利用木材切割者的例子讲解了模型的用法。
每个模型从概述到算法描述再到应用举例，帮助学生对基本模型有大致了解。
第二段视频
承接第2讲，本讲首先介绍了离散模型的优化，包括了单目标与多目标的规划。首先给出了优化模型的概述与定义，随后直接用应用例子来讲解优化方法，包括生产计划的例子、投资问题的例子，并以2017年国赛B题作为应用举例，讲解了优化模型的具体应用。
分类与聚类模型，这也是建模中较为常用的方法。
分类模型中，以决策树为例，讲解了模型的定义，用通俗的相亲问题对定义进行描述，并重点介绍决策树中的较为关键的ID3算法，结合周志华老师《机器学习》书中的判断西瓜好坏的例子进行算法应用的讲解。最后以2017年深圳杯赛题对决策树的应用进行举例。
之后，课程又讲解了聚类模型。首先区分了分类和聚类的区别，并以聚类算法当中的k-means算法对聚类进行讲解，包括算法的描述与举例算法如何运行。同样以2017年深圳杯赛题对聚类算法的应用进行了举例。
本节的优化模型、分类/聚类模型是建模中应用非常广泛的模型，可以说在每个赛题中都有应用的影子，应该予以重点关注与掌握。
看完基本介绍，大家对于第二期课程是否有了更浓厚的兴趣了呢？有人可能会问，课程上周发布，现在加入还来的急吗？
没有关系，来得及！现在加入，不仅可以免费看到前两期的课程，本周四也将发布第三期课程——Matlab介绍与实战 + 写作与信息检索。内容长达三个多小时，作为最后对大家持续关注的回馈！
什么？如何加入？
动动手，下方海报二维码扫一扫，就可以参加活动了！这么多免费资源，还在等什么？期待每一位你的参与哟！
扫一扫，获取更多新鲜资讯
