开元体育

Anita Layton教授的课着眼于引领我们通过建模的视角了解世界，其中既包括了数学建模，也有当今用途极其广泛的机器学习建模。前者需要通过专业的数学、物理知识来模拟世界的运行规律，后者则通过算法本身的能力来自主地提取知识。无论如何，通过数学建模或者机器学习建模，我们能够通过一些简单的建构来接近复杂的真相，从而为人们了解世界、认识世界提供了一个新的视角。

Anita Layton教授首先从数学模型讲起，包括了predator-prey模型和SIR模型。以SIR模型为例，它是一个用于预测疾病扩散情况的模型，将人群分为S（易感人群），I（感染人群），R（康复人群）。通过极其简单的假设建立起连续的数学模型，刻画不同人群之间的交互关系。经过简单地强化假设条件，这个模型已经能较好地预测新冠传播的情况了。

接下来，Anita Layton教授为我们阐述了机器学习中一些较为经典的算法，如线性模型、对数回归模型、KNN模型、SVM模型以及当今极其火爆的神经网络模型，通过简单阐述其背后的基本思想并展示如何在实际问题中调用模型，Anita教授让我们快速入门了机器学习这个极其有用的工具。

通过Anita Layton教授五天的课程，我们不仅学习到了数学建模的方法与机器学习建模的工具，更开阔了自身的思维，学会从建模的角度理解世界、简化世界。另外，我们也了解了许多建模在实际生活中的应用，如筛选药物、天气预报等等等等，这也为我们以后的学习生活提供了一个新的方向与启发。

（穆欣雨）