一、微专业简介
本微专业立足数学建模与科学计算关键技能训练，兼顾石油石化行业智能化建设的实际需要，同时适配多门类理工科专业的人才培养要求，构建“数学建模+科学计算”双核驱动的应用型课程体系，培养具备扎实数学理论基础与工程问题求解能力的复合型技术人才。
1.数学建模：问题抽象与逻辑核心
作为连接数学理论与工程实际的桥梁，本模块聚焦“将复杂理工科问题转化为可求解数学模型”的核心能力培养。课程内容涵盖基础建模方法（微分方程建模、优化建模、统计建模、图论建模）与跨学科专项建模技术，针对石油石化及其他理工科典型场景设计教学内容，通过案例教学引导学生从工程现象中提炼关键变量、建立逻辑关系、简化复杂系统，为后续科学计算筑牢逻辑基础。
2.科学计算：模型求解与技术赋能
本模块以数学工具为核心，聚焦“高效求解工程级数学模型”的实践能力培养，涵盖数值计算方法与编程实现两大核心维度。课程内容包括有限差分法、蒙特卡洛模拟、数值优化算法等核心数值方法，以及Python、Matlab工程编程、数据处理与可视化技术，同时融入AI赋能技术（机器学习建模、深度学习预测、并行计算加速）。通过系统化实操训练，让学生掌握从模型离散化、算法实现到结果验证的全流程技术，具备处理大规模、高精度工程计算问题的能力。
3.双核融合的培养逻辑
数学建模与科学计算两大模块形成“问题导向—技术支撑”的有机整体：数学建模为科学计算提供明确的问题边界与求解目标，科学计算为数学建模提供高效的落地路径与验证工具。课程体系通过“理论课程+案例研讨+实操实训”的递进式设计，让学生实现从“会建模”到“能计算”的能力跃升，成长为适配理工科各领域智能化发展需求的紧缺型人才。
二、培养目标
本微专业兼顾石油石化行业智能化升级的实际需求与多理工科专业共性培养需要，以“数学建模+科学计算”双核能力为核心，融入AI赋能技术，旨在培养能够服务理工科领域智能化发展的复合型应用人才。
具体目标如下：
1.夯实理论基础：使学生牢固掌握微分方程建模、优化建模、统计建模等基础建模方法，以及有限元法、数值优化等核心数值计算原理，构建扎实的数学理论与应用知识体系。
2.强化实操能力：让学生熟练运用 Python、Matlab 等编程工具，完成从工程问题抽象、数学模型构建，到算法设计、数值求解与结果验证的全流程操作，具备处理大规模、高精度工程计算问题的实践能力。
3.融入前沿技术：引导学生掌握机器学习建模、深度学习预测等AI赋能技术，能够将智能算法与传统数学建模、科学计算方法结合，提升解决复杂工程问题的效率与精准度。
4.适配行业需求：培养学生形成“理论—建模—计算—应用”的系统化思维，使其能够适配石油石化及多理工科领域的发展需求，成长为兼具理论素养与实践能力的高素质应用型人才。
三、课程设置
序号 |
课程名称 |
课程简介 |
学分 |
学时 |
开课学期 |
考核方式 |
1 |
数学模型 |
《数学模型》是一门融合数学理论、实际问题与计算工具的交叉性核心课程，既是连接抽象数学与现实世界的桥梁，也是培养学生逻辑思维、创新能力与团队协作素养的关键载体。本课程打破传统数学课程的纯理论教学模式，以“从实际中来，到实际中去”为核心理念，引导学生运用数学思想、方法和计算机技术，解决工程技术、经济管理、社会科学、生命科学等领域的真实问题。 |
2 |
32 |
1 |
考试 |
2 |
最优化方法 |
《最优化方法》是一门系统介绍从可行方案中寻找最优解的理论与算法的学科基础课。课程在线性规划基础上，引入非线性规划，讲解梯度法、牛顿法等无约束优化方法，以及处理约束的KKT条件与罚函数法；阐述动态规划的多阶段决策原理；并探讨多目标规划中的最优解及其权衡策略。通过系统学习，学生将建立优化建模与求解能力，为机器学习、智能决策、运筹管理等领域的研究与应用奠定基础。 |
2 |
32 |
1 |
考试 |
3 |
数值计算及其应用 |
《数值计算及其应用》课程从实际应用出发, 主要介绍Matlab基础知识与工程研究中经常遇到的数值计算问题的求解方法。内容涉及Matlab语法基础和编程、线性代数方程组求解方法、多项式插值、函数拟合、数值积分、数值微分、非线性方程求解、矩阵特征值与特征向量的计算、常微分方程初边值问题数值解等，并通过上机练习提升学生的编程能力。该课程以实际应用为导向，让学生明确如何利用所学知识来解决工程中的数值计算问题， 通过实训和课后练习巩固所学知识，理解并能够应用所学知识。 |
2 |
32 |
2 |
考试 |
4 |
机器学习及其应用 |
《多元统计分析》课程旨在教授如何处理和分析具有多个变量的实际数据。学生将学习主成分分析、聚类分析、判别分析等核心方法，并重点掌握如何利用Matlab或Python工具从复杂数据中提取特征、对样本进行自动分类、并建立有效的预测或判别模型。课程内容将紧密结合数学建模案例（如学生成绩综合评价、油气参数分类预测等），培养学生运用统计模型解决实际数据问题的能力。 |
2 |
32 |
2 |
考试 |
5 |
机器学习及其应用 |
《机器学习及其应用》课程系统讲解机器学习的经典算法与核心理论。主要内容包括线性模型、K近邻、决策树方法、支持向量机，高斯过程模型，神经网络等机器学习经典算法的核心理论，同时课程注重实践能力的锻炼和培养，通过引入多个机器学习课程实验与应用案例，提升学生动手实践能力。本课程目标旨在让本微专业的学生能够掌握机器学习的基本理论和关键技术，提高基于机器学习开展科学研究与实践应用能力。 |
2 |
32 |
1 |
考试 |
6 |
数学建模案例选讲 |
《数学建模案例选讲》作为微专业的综合实战课，以全国大学生数学建模竞赛等经典赛题为案例，组织学生进行高强度、全流程的项目训练。课程重点培养学生综合运用数学模型、优化算法、统计分析与Matlab或Python编程解决复杂实际问题的能力，并强化数学建模论文的规范写作，为学生参加竞赛和解决工程实践问题奠定坚实基础。 |
2 |
32 |
1 |
考试 |
合计 |
12学分 |
四、教学安排
学制1.5年，完成规定课程且成绩全部合格，颁发微专业学习证书。
五、招生对象与规模
招生对象为我校2024级和2025级在校本科生，计划招生40人。
六、报名时间及联系方式
报名时间：4月20日—4月22日
联系人：蒋老师 联系电话：029-81469637
邮箱：7560825@qq.com
欢迎入咨询群咨询！
