美赛即将来临，数学建模所需技能点你都点满了吗，今年是陪跑还是可以获奖呢？今天我们从数模所需的四大能力来看看，在美赛之前我们应该做到哪些准备。
文献查阅能力
拿到一个数模题目，第一步我们可能是需要去查阅相关文献资料，借此来了解该问题目前的解决方案有哪些，可以在此基础之上做哪些提升来更好地解决该问题，所以文献查阅的能力是非常重要的。至少我们需要知道通过什么渠道，什么工具进行查找，比如要不要学校的VPN，知网的账号有没有，自己的电脑能不能搞定，要不要去图书馆查阅文献等。
数学模型能力
仅仅查到相关文献是没有用的，因为就算找到了文献但如果对于数模算法一窍不通那么文献也仅仅只是一些文字了，只有了解数模的算法才可以在此基础上进行总结优化，提炼出有效信息，得到新的解决问题的思路。从美赛的历年题目出发，可以大概知道每个题型所需的算法：
A题主要为优化与控制或者策略分析类，需要有一定的微积分和目标及过程优化能力，常见的算法有：多元线性回归、多目标粒子群优化、灰色关联分析等；
B题主要是离散型赛题，常见出题点为回归或聚类分析、协同规划，常见的算法有：线性规划、非线性规划、整数规划、蒙特卡罗、离散小波、主成分分析等；
C题为大数据赛题，一般数据处理与分析是必不可少的，然后进行相关的模式识别或信息挖掘，常见的算法有：随机森林、插值算法、灰色预测等；
D题一般为图与网络分析类、传播与扩散相关，常见的算法有：图论、蚁群算法等；
E题为环境科学类，多对环境状态进行评估或预测，以及对政策进行分析，常见的算法有：线性判别分类、SVM分类、感知器等；
F题是政策类，针对全球出现的一些重大事件进行系统性的模拟与评价，对政策或措施进行效果评估，常见的算法有：逻辑回归、多元回归分析、神经网络等；
编程求解能力
利用数学建模算法搭建出模型之后，还需要对其进行求解，而求解则需要使用到编程工具或者统计软件，而目前求解工具是很繁多的如：MATLAB、python、R、SPSS、STATA等，但是并不需要每个软件都掌握过去，不同的算法模型也是有最为适合它的工具的，如：需要进行多元线性回归分析，如果使用MATLAB进行编写则会花费很多时间而且所做的结果可能会存在一些统计漏洞，而使用SPSS、STATA这种统计软件，操作简单而且统计意义也是可靠的，所以不同的算法需要选择最为合适的工具进行求解。编程语言类的工具推荐选择：MATLAB、python；统计软件类的工具推荐选择：SPSS、STATA；基础软件类的工具推荐选择：Excel。
论文写作能力
在数学建模比赛中，论文是队伍最终成果的呈现，也是评委评判获奖等级的唯一依据。因此，论文的重要性无须赘述。如何写好一个数模论文，具体来说，准备一个好故事，首先要敲定解题的具体算法，数据结果及各种支撑图表，然后用最简洁的话理出思路，你可以尝试给队友讲，当你五分钟能说清楚的时候，故事就差不多了。建议选取四五篇美赛获奖论文做参考，段落框架可以参考，甚至具体的文法句法都可以参考，每部分写什么，写多少，以及怎么写，都可以参考这些论文，然后反复修改，对于文章摘要部分尤其重要，首先要避免低级错误：语法，用词，拼写错误，剩下的就是优化表达，避免表述模糊，突出模型特点和效果。
从上述数模四大数模能力来看，想要在美赛中取得一个不错的成绩需要准备的内容还是很多的，并且这四种能力想要在短时间内靠自学得到很大的提升是十分困难的。以数模算法为例，数模算法模型有很多种，靠自己去摸索就像无头苍蝇一样乱撞，最终花费了大量时间不说还摸不到重点，并且数模算法一般都是需要学习者具备一定数学知识的，靠个人自学遇到一个问题难点就会卡很久，学习的时间成本很高，而且对于一些商科和社科的同学来说，数学本身就是很头疼的事。
针对数模的入门门槛较高，自学时间成本高，以及所需技能点繁多这些困境，指南者留学潜心打造了快速入门get数模技能点的数模竞赛营，在竞赛营中会教授大家：
- 十余总算法模型并且配以应用场景，可以了解到各个算法的优缺点以及应用领域，还配备相关作业让同学们可以加深对算法的理解以及模型应用能力；
- MATLAB、SPSS、STATA三种工具的使用，并且将算法与最合适的工具相结合进行应用，利用最合适的工具以最快的方式解决问题；
- 最后参加“高斯杯”竞赛过程中，还会对文献查阅以及论文写作进行辅导，指导学员熟悉文献查阅的步骤，提高信息整合的能力，对论文写作进行拆分细致化讲解，明白论文架构组成，了解各部分写作技巧提升论文写作能力。
