今日，组委会邀请到了2021年MathorCup大数据竞赛一等奖获得者——安徽大学的胡国梁同学分享他的参赛经历！

希望可以帮助即将参赛的同学们梳理竞赛思路，明确备赛方向，在竞赛中发挥出自身最大的实力！

高考结束那年暑假了解到了数学建模这门赛事，可能出于高中时候对数学、物理课程以及应用到现实生活中的模型的喜欢，我就决定在大学参加一下。

大一的时候，学院就开始了数学建模的培训，那时候我就跟着老师学习Matlab编程，还有各种模型算法，如主观分析、多元回归、目标规划等等。在逐步的学习过程中，我对数学的认识又进一步加深了，任何实际中的问题都可以抽象、简化、模拟成一个数学模型，运用规律确定变量和参数之间的关系，进而得到计算、求解。

到了21年9月，我参加了数学建模国赛，第一次感受到了在三天时间里头脑风暴的极大压力，还好团队伙伴分工明确，相互扶持，顺利完赛并获得了安徽赛区二等奖。

然后在老师鼓励下，我再次与两位志同道合的朋友报名参加了21年12月的MathorCup高校数学建模挑战赛”——“大数据竞赛”。

比赛开始时，恰逢学校期末考试时期，我们不得不等到期末考试结束，而那时日程已经过了近一半了，三个人立即聚在图书馆，从选择赛题，到构建思想、模型，再到调试代码，不断有问题在挑战我们。

对于二手车价格的拟合总是不够准确，所以那段时间一直没有什么进展，后来通过小组不懈的讨论、改变模型结构、调试参数优化，我们最终获得了理想的准确率并按时完成初赛。到了今年2月，初赛成绩公布了，我们惊喜发现队伍进入了复赛。

当时觉得不可思议，但回想起之前的努力，一切又都在意料之中。于是，我们队伍又开始了紧张的复赛角逐，最终获得了一等奖。

从建模培训到现在参加了多次比赛，我感觉自己收获了很多。

在科研方面，我不仅学习到了Matlab、spss、Lingo、Python等编程、软件运用、论文撰写的硬实力，还有对待实际问题的思考也变得更加全面和细致，对思维的开拓有极大好处，并且考虑问题也会积极与老师讨论。

同时在生活方面，我也深深感受到了团队合作的重要性，思想与思想之间的交流会产生更好的结果，并且最好的学习就是自己亲自动手去做。

我也希望今年参赛的同学们，都能在比赛中学习和实践，真正的把知识转化成自身的能力，在收获竞赛奖项的同时，也提升了自身的分析能力及就业竞争力！

教育部《高等学校人工智能创新行动计划》教技〔2018〕3号，鼓励对计算机专业类的智能科学与技术、数据科学与大数据技术等专业进行调整和整合，鼓励各个领域与大数据进行深度融合，通过大数据技术促进各领域的发展。

MathorCup高校数学建模挑战赛组委会决定在“MathorCup高校数学建模挑战赛”中增加大数据专题赛项—“大数据竞赛”。

竞赛以企业真实场景数据为基础，面向全国高校研究生、本科生和专科生，共同探索数据科学的应用实践，推动产学研用协同发展。

扫描下方二维码进行报名：

(1）金银铜奖

所有参赛队伍（不分组别、不分赛题）中评选：

金奖1支队伍（奖金10000元税前）

银奖2支队伍（奖金5000元税前）

铜奖5支队伍（奖金2000元税前）

(2）奖项评定

竞赛分组别分赛题评选出：

一等奖（5%）

二等奖（15%）

三等奖（30%）

颁发“MathorCup高校数学建模挑战赛——大数据竞赛”获奖证书。

初赛中排名前10%的队伍进入复赛，

复赛中排名前50%的队伍评选为一等奖。

(3）优秀指导教师，优秀组织单位

根据学校参赛队伍得奖情况和组织参赛队伍数量综合评定。

(4）企业实习

获得一等奖的队伍优先推荐至企业实习。

(1）报名阶段

2022年11月1日-12月20日

参赛选手在大赛报名主页按照步骤进行组队报名。

(2）初赛阶段

2022年12月20日18:00至2023年1月19日20:00

1.竞赛结束前必须在线提交结果数据、论文和代码，提交时系统验证提交数据格式是否正确；

2.入围赛成绩不会影响复赛成绩；

3.最终按照分组别分赛题从初赛中选拔前10%的队伍进入复赛。

(3）复赛阶段

2023年3月6日18:00-2023年3月13日20:00

复赛为统一命题，不更换题目背景，但可能会更换题目问题和数据，选手网络远程答题，按照分组别分赛题进行排名。

(4）金银铜奖答辩

复赛中综合总排名前12的队伍（不分组别，不分赛题）进入金银铜奖答辩环节，答辩采用线上或者线下的方式进行。答辩决出金奖1支队伍、银奖2支队伍、铜奖5支队伍（不分组别，不分赛题）。

(5）2023年3月，公布竞赛结果、证书发布等

1.公布获奖名单初稿；

2.公示结果异议查询；

3.终稿获奖名单公布。

专家组会从四个方面进行评价：

(1）参赛论文

根据问题，准备一份论文对项目进行说明，论文中的摘要部分需要简明扼要地概述模型算法的核心思想以及效果，正文部分需要详细阐述模型算法的细节、求解过程、结果以及对应的参考文献。

(2）项目完成度

与解决方案匹配的完整代码，可以是Python、Matlab、C++、Java等语言的代码，附详细的操作说明文档和源代码。

(3）模型泛化性能

未公开测试数据集验证得到的准确率、召回率等与题目实际背景密切相关的考核指标。

(4）创新性

具有创新的系统分析和解题思路，创新的算法设计，跨学科交叉应用能力等。

QQ交流6群：439253242

组委会秘书处：

郭老师电话&微信：18210922591

组委会邮箱：

bigdata@mathorcup.org