其是信息与计算科学可以说是数学和计算机专业的结合，两方面都有兼顾，虽然说这个专业的
出路不是很好，数学和计算机都涉及点但是都没有真正的学通这两门专业的，但对于弄数学建
模来说是再合适不过了。应用数学则偏重于数，但是一般来讲玩计算机的时间不会太少，尤其
是在科学计算和程序设计都会设计到比较多，又有深厚的数学功底，也是很不错的选择。

的会程序，其实这个概念可以说是对也可以说是不对的。之所以需要计算机方面的人是为了弥
补数学方面的人在算法实践方面的不足，但是不是所有的计算机方面专业人都擅长算法实践
的，如果要选的话就选擅长算法分析实践的，因为学计算机的不一定会程序，并且会程序的不
一定会算法。拿出一个算法，让学计算机的编写程序实践不一定能行，不是小看计算机的，但
是这种情况还是比较多的，不然可以看到参加ACM的数学系的居多，比学计算机的搞的好。
因此一定要弄清这个概念，不是计算机的就适合的。

背景后对此背景下的各类问题能建立模型，设计求解算法。一个是能将算法编制程序予以实
现，求得解。当然有可能是一个人就将这两种都具备了，这样的话再找个任意具备上述两种能
力的人就可以了，以减轻工作量，不然非累死不可。第三个就是专门需要写作的拉，从专业角
度看是需要别的专业，比较适合的有生物、土木、机电、电信或机械等专业。在数学建模中各
种背景的问题都会出现，所以有其他专业同学的话可以弥补专业知识方面的不足。

长算法实践，另一个是写作（弥补专业知识不足），如果一个组能有这样的人员配置是比较合
理的。但是往往事事不能如意，所以不能满足这种人员配置的时候就尽量往这样人员配置靠。

手，干着急，然后，一旦经过指导之后就知道该怎么做了，同时在做的过程中会碰到各种各样
的问题，发现不是算法不了解就是软件不会使用。假使一个题目会做了，但是如果碰到另一个
题目又不会了，又不知道该怎么办了。如何使新手尽快的成长是个大家很关心的问题，讨论的
也很广泛。各个学校都又不同的方法，有的是开数学建模培训班，有的是以题带连，有的是通
过协会普及教育...，各个学校都已形成自己的风格和方法。纵观这些方法，个人感觉有很多不
是太科学的地方，有的学校投入很多但是出不了成绩，这时就需要调整下培训方法了。检验数
模学的成果如何是每年的全国赛和美国赛，形式都一样是以通讯的方式完成给定的选题。而做
课题的一般进程就是建模型，解模型，写论文这三步。所以从这三个方面去培训是最有效的，
因此个人认为最有效提高自己的水平就是以题带练，在实践中提高自己。

背景知识对建模型来讲是很重要的，如果课题的背景刚好是本专业的，那就会知道问题的关键
是什么，该怎么样去解决，而事实上往往不是这样，问题的背景是所不熟悉的领域，这个时候
就需要查资料了解这个问题的背景和了解问题的发展，特点，关键所在以及前人是怎么解决的
等等。因此需要训练查找资料和查找文献的能力。新手在知道该怎么做以后碰到的问题就是不
会做，这个就是相关知识的缺乏了。比如需要做聚类分析，需要用遗传算法，需要做相关性分
析等等的时候不知道该怎么做？这个就是相关知识的缺乏，当然知道了解掌握全部的算法和知