希望大家都能取得好的成績，但是反過來說，數學建模重在參與，每次經歷痛苦無論結果如何，都是對自身思想和能力的一次磨練，希望好好把握這次機會。
首先是描述性分析與資料視覺化，比如不同職位（不同職位的教育需求）需求的環比增長，同期佔比。此處原始資料有點小問題。大部分資料缺失第一列資料的sector。這個需要等通知了。
其實是建模分析，題目中明確給出了要建模分析，所以最好還是進行建模分析，在不會的情況下可以考慮只做第一項。關於期望職業和期望教育有點很難翻譯出中文裡到底要問什麼。所有具體做法還得容我想想。
要點一：根據給出資料與額外資料，也就是說未來大學生的畢業情況是必須自己找到的，並做相應分析
要點二：**，數學建模常用手段灰色**與灰色關聯分析。也可以考慮使用時間序列解決該問題，如arma模型，對於數學建模而言首先要證明模型的可行性，並作相應處理，arma需要先符合一定的假設檢驗，如需使用請先做好本處。
要點二，是高新技術發展，有兩點一是和 大學生畢業情況結合，考慮就業大學生數量與行業發展崗位增長之間的關係。解決就業問題是政策出台的乙個重要指標。二是根據剛剛推斷出的本地情況做一定補充。
問題四：建模並量化分析其他就業現象。
要點一：建模和量化需要資料，這裡需要其他就業意向的資料
要點二：得到資料後可以就資料建立線性回歸或者邏輯回歸模型（根據獲取的資料，可能需要etl，自己定吧）。然後對不同屬性的邊際效應和odds進行分析。模型建立前要做好模型假設的假設檢驗。注意邏輯回歸和線性回歸的邊際效益計算方式不同，要注意一下。可以參考一下我的一篇部落格(人才吸引力模型研究)[過程設計是類似的都是統計上常用的回歸分析，不過要注意我當時一不小心把邊際效應算錯了。不過沒什麼大礙，其他的假設檢驗最好都做做，但是作為乙個小題，僅僅做到我之前**裡的應該也足夠了。
要點三：政策問題，這個按照模型分析結果給出即可，上面的**中也有類似的建議，合情合理即可
本題為之前得出結論的一次總結，按照問題描述的幾個方面寫出總結即可。
資料缺失問題–>資料缺失的話，實在找不到最簡單的方法還是做統計描述，或者嘗試從其他**得到靈感。從其他**得到靈感可能是指獲得資料或者結論，或者其他。這是最常見的解決方式，但是也是迫不得已的解決方案。
一篇比較好的**,這篇**對人才市場的現狀分析，結構**，總量**都有比較詳細的內容，有關**可以通過matlab，lingo，或者python中的statsmodels，sklearn等實現–>人才市場需求**模型的研究和應用
另外一篇比較有意思的**是基於創意人才需求偏好的激勵模型研究，文如其名，可是在政策那乙個部分使用該模型，相比於回歸分析，這個肯定是更貼近題目的解法，當然兩者同時進行，也就是都寫也是可行的。如果時間充足的話，可以使用該部分在第五題單獨建模。效果要好於僅僅在第五題總結前面的結果。
2018數學建模國賽B題 個人總結（未完）
前兩天做到這個題，由於自己與組員思考不夠深入，踩了幾個坑，特此記錄一下，僅用於個人記錄。問題b 智慧型r 的動態排程策略 圖1是乙個智慧型加工系統的示意圖，由8臺計算機數控工具機 computer number controller，cnc 1輛軌道式自動引導車 rail guide vehicle...
2018數學建模國賽記錄
本來是在答辯之後就想寫的，無奈中途太多事情抽不開身，再加上期末複習的時間，結果就拖到了現在。這次國賽其實還是對我幫助很大的，從暑假培訓開始，到整個答辯過程結束，中間經歷了很多事情。首先是暑期培訓，由於我是從大二才開始進行數學建模，所以對於這方面的各種常用演算法和其他的模型都不太了解。暑期培訓的這乙個...
2018美團CodeM程式設計大賽初賽B輪 A題開關燈
美團的辦公室一共有n層，每層有m個會議室，可以看成是乙個n m的網格圖。工程師們每天的工作需要協作的地方很多，經常要到會議室開會解決各種問題。公司是提倡勤儉節約的，因此每次會議室只在使用時才開燈。當乙個工程師進入會議室時，假設沒有其他人，他會把燈開啟。當乙個工程師離開會議室時，假設沒有其他人，他會把...