“数学建模与科学计算”微专业课程简介
课程 1：综合数学
本课程以数学分析与其他数学课程为基础，以经济数学核心知识为主线，以提升员工的数学知识结构，培养员工的逻辑思维与解题能力为目标。
通过本门课程的学习，员工们可以进一步夯实经济数学知识基础，培养经济数学思维逻辑，提升解决数学问题能力，有助于参加各级各类数学竞赛、数学建模竞赛。
本课程的主要内容包括：
（1）数学证明专题
（2）计算技巧专题
（3）数学应用专题
（4）经济数学建模方法：模型的设定、估计方法与检验
课程2：数据学习
本课程以数学、统计学为基础，以基于数据构建数据模型并进行分析与预测为主线，以熟练运用R语言和Python语言实现学习过程为目标。
通过本门课程的学习，使员工们对R语言和Python语言的应用有较深入的了解；对各种有监督学习和无监督学习方法有深入的理解；能够自主解决回归问题、分类问题，以及计数问题、生存数据问题等常见数据分析问题；具备应用再抽样方法、模型选择与比较方法、假设检验等统计方法解决复杂问题的能力；初步掌握经典深度学习方法；拥有自行深入学习其他数据学习方法的能力。
本课程的主要内容包括：
（1）R语言入门、Python语言入门
（2）线性回归
（3）分类问题
（4）再抽样方法
（5）模型选择与正则化
（6）广义线性回归
（7）决策树
（8）支持向量机
（9）深度学习简介
（10）生存分析
（11）无监督学习方法（主成分分析、聚类分析等）
（12）假设检验
课程3：应用数据软件
该课程以数据学习和R语言（Python语言）基本操作为基础，并结合Excel、SAS、SPSS等其他软件的应用，以数据科学（数据结构、算法等）为核心内容，以熟练运用数据分析软件进行数据挖掘、清洗、整理、分析、可视化等为目标。
通过本门课程的学习，员工们可以进一步强化R语言（Python语言）编程方法；对数据挖掘方法有较为深入的理解；具备数据清洗、数据处理的能力；掌握常用网络爬虫、数据可视化方法，具备通过合理手段处理实际数据的能力；熟练掌握Rmarkdown工具的使用以及几个重要的程序包。
本课程的主要内容包括：
（1）数据类型
（2）网络爬虫
（3）数据预处理
（4）数据清洗（缺失值处理、异常值处理）
（5）数据可视化
（6）Rmarkdown工具
（7）Tidyverse程序包数据分析
（8）Shiny程序包数据可视化
（9）Rattle程序包统计建模
课程4：数据科学前沿专题
该课程以前期课程学习成果为基础，介绍数据科学较新、较难的前沿问题，主要目的在于帮助员工在发表学术论文、参加高水平大赛、企业实习实践中与时俱进并提高创新能力。
通过本门课程的学习，员工将掌握贝叶斯统计方法、荟萃分析方法等。员工在导师带领下可以结合自身所学主修专业，带领团队参加数学、统计建模大赛、市场调查大赛、老员工创新创业训练项目、中国国际“互联网+”创新创业大赛、以及大数据数据挖掘分析等相关比赛。不断提高通过数学分析解决实际问题，并撰写发表学术论文的能力。
本课程的主要内容包括：
（1）贝叶斯统计专题：贝叶斯先验分布、正态模型、线性模型、层次模型、蒙特卡洛和MCMC算法等；
（2）荟萃分析专题：二分类数据、连续性数据、相关系数、效应量及置信区间的荟萃分析，累积荟萃分析，荟萃回归分析等；
（3）数据分析学科竞赛实训
（4）学术论文撰写实训