前言：? ? ? ? ?說來也巧合，我在大學里加入的第一個社團就是數學建模，各種各樣的社團對我沒有完全沒有吸引力，什么舞蹈、愛心、創業、英語等，加入數學建模的原因有二：一是可以參加比賽，二是可以認識更多的朋友，但是在加入的第四周我就完全失望了，完全沒有達到我的預期，平時組織活動比較及時，但是真正給你教東西的卻很少，所以從那開始我就退出了，再也沒去。所以你感覺一個社團給你提供不了你當初加入的初心，那就趕緊離開吧，別再浪費時間了。之后一年里都是按部就班地上課，沒有搭理社團，但是QQ通知群還是留著，直到有一天群里通知有沒有人愿意參加數模大賽，雖然群里只剩下十幾個人，那就報名唄，反正有專門的老師培訓，之后都會在課余去參加培訓，偶爾偷懶沒去，之后經過平時，暑期培訓參加了比賽。在比賽的時候一臉懵逼，B題題目都搞不懂，怎么做，那就選B吧，查各種資料寫論文，建模，到了最后提交不了？你是在逗嗎，三天的辛苦白費了？結果也就沒有拿到好成績，就這樣大一結束了，大二同樣參加了，也拿到了成績，在其期間也參加了其他的比賽，比如美賽，亞太賽，數創杯等，就算是經歷吧。
總敘： ?? ?好了，言歸正傳，參加了這么多關于數模比賽，到底是為什么，或者是我喜歡數學嗎？不是的，我高數一般般，由于個中原因，反正沒怎么聽老師講課，所以對于數學我平常心，從2016年開始，AI的興起，讓我非常感興趣，就特地去了解了下所學的課程，結果是無論是machine larning 還是deep leraning都需要數學建模思維，也就是現在非常搶手，工資非常高的算法工程師，并且數學建模是核心點，沒有很好地建模思維，那你的項目就達不到所謂的智能。

那么數學與建模有什么聯系，我們知道在大學如果要學高數必須要學習微積分，定積分，線性代數，概率論等，所以這些都是建模的基礎，建模沒有對錯，只有better，所以基礎肯定要有的，其次要會查資料，比如各種出版論文，最新的建模思維，只要熟練掌握，那么你的建模思維就會很高級，解決實際情況的方法就會很高效。我接觸比較少，所以建模這塊還在努力中，菜鳥一只。 數學與數學建模： ? ? 舉個簡單的列子： ? ? 如：一個星級旅館有150個客房，經過一段時間的經營實踐，旅館經理得到了一些數據：每間客房定價為160元時，住房率為55%，每間客房定價為140元時，住房率為65%， 每間客房定價為120元時，住房率為75%，每間客房定價為100元時，住房率為85%。欲使旅館每天收入最高，每間客房應如何定價？ [簡化假設] 　　（1）每間客房最高定價為160元； 　　（2）設隨著房價的下降，住房率呈線性增長； 　　（3）設旅館每間客房定價相等。 　　[建立模型] 　設y表示旅館一天的總收入，與160元相比每間客房降低的房價為x元。由假設（2）可得，每降價1元，住房率就增加?。因此 　　由? 可知 　　[求解模型] 　　利用二次函數求最值可得到當x=25即住房定價為135元時，y取最大值13668.75（元）， 　　[討論與驗證] 　　（1）容易驗證此收入在各種已知定價對應的收入中是最大的。如果為了便于管理，定價為140元也是可以的，因為此時它與最高收入只差18.75元。 　　（2）如果定價為180元，住房率應為45%，相應的收入只有12150元，因此假設（1）是合理的。 這便是一個簡單的數學建模，在這道題中我們需要考慮的是： 1.要做什么？ 2.怎么做？ 3.這樣做合理嗎？ 4.如果這樣做，假設那些可以改變？ 5.這樣做需要用到那些模型？ 6.這種模型簡潔嗎？ 7.確定了這種模型，怎么求解？ 8.求解出來了，與現實合理嗎？ 9.在這個模型中，存在什么缺點，怎么去優化？ 10.總結 差不多這十點是需要我們考慮的，也許要大量用到數學計算，甚至涉及到統計，經濟學，專有軟件（matlab，spass）的處理等，所以整個建模過程離不了數學知識。 數學建模與人工智能： ? ? 同樣通過一個小例子來理解他們之間的關系： ? ? 題目：在一個公司中，由于某些原因，有些員工漸漸離網（從公司流失），對于此，請用機器學習算法預測客戶流失的一些特點，包括年齡，性別等其它因素。 ? ? 在這道題中，利用機器學習時要用到一種建模模型：決策樹 1.決策樹如何構建？

?2.構建決策樹

3.生成決策樹

4.利用ID3算法實現function
5.集成學習

6.然后利用PAI算法執行

7.分析效果

8.總結 ?? ?不難發現通過這復雜的八步就完美提供了解決方案，完成項目需求，而這八步都需要扎實的建模思維，要不然幾乎沒辦法做，所以數學建模對于人工智能算法非常關鍵。 ?? ??再者比如最新的滴滴Di-Tech算法大賽： 問題是：對無人駕駛車而言，最重要的是能夠理解周圍環境并做出相應決策，保證行車安全。參賽者需要努力找到通過攝像頭和 LIDAR 數據檢測道路上的障礙物的最好方法。最終的系統應該能夠識別行人、車輛和普通障礙物，對人類駕駛員和無人駕駛系統都有很大幫助。參賽者需要處理 LIDAR、RADAR及攝像頭原始數據，輸出障礙物位置、移除噪音和環境錯誤檢測。參賽者可以利用已經較為完善的 Kitti 數據集，在現有技術的基礎上，加入自己的新方法和手段，來讓算法獲得更好表現。 不難發現無論是怎樣的安全措施，數據分析，算法處理，都需要建模思維各個方面考慮，完美的建模便是最好的答案。 所以學習人工智能，數學建模是必須的，很難，但要堅持！ 2017的最后一個月，大家努力！ 2017-12-01

總結

以上是生活随笔為你收集整理的浅谈数学、数学建模与人工智能（机器学习，深度学习）之间的关系？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。