2025春 课程号：00113902
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
| 选课类别：计划内与自由选修 | 教学类型：理论实验课 |
| 课程类别：本科计划内课程 | 开课单位：数学科学学院 |
| 课程层次：专业核心 | 学分：3.0 |
课程内容与教学风格
陈仁杰老师的《数学建模》课程主要涵盖了一些常见的建模思想和典型模型。尽管课程对理论的讲解较为基础，不深入，但课堂上讲解清晰透彻，适合作为入门学习。陈老师通过分解复杂的数学建模知识，使其更容易理解和掌握。课堂注重启发学生思考和参与，鼓励提出不同见解。但部分学生指出，作业中需要的知识点需要自学，课堂内容与实际作业要求联系不大。
作业与成绩评估
课程评估主要通过四次平时作业（占75%）和一次大作业（占25%）进行，没有期中或期末考试。作业通常要求学生实现具体的算法模型，并撰写实验报告，涉及广泛的知识应用，包括GUI编程和多个计算工具（如C++、Matlab、Python）。作业环境配置较为重要，需提供完整的依赖文件和报告。
助教给分相对宽松，作业平均分高达90%左右。虽然加扣分选项在评判时可能会后验确认，一些学生反映评分标准不够透明，然而因为最终没有下调分数，整体优秀率依然高达80%以上。不少学生认为，只要认真完成作业，就有较高机会获得优异成绩。
负担与收获
本课程被许多学生视为相对容易的选择，尤其适合希望提升成绩的同学。但也有部分学生表示，课程“水课”程度有限，所需投入的时间和精力较大，尤其是在编写实验报告方面。有学生认为，课程内容重在“how”而非“why”，建议增加对模型合理性的讨论。然而，肯花时间的同学在技能和成绩上可能会获得相当的收获，尤其在动手能力和编程方面。
总结
整体而言，陈仁杰的《数学建模》课程在给分上相对友好，但对于不排斥编码、愿意投入的学生可能更具吸引力。虽然课程内容与实际建模应用结合紧密的深度受到了一些质疑，课堂氛围较好，且助教团队给分宽松，仍然值得计算数学方向的学生考虑。
- 课程难度：简单
- 作业多少：中等
- 给分好坏：超好
- 收获大小：很多
- 难度：简单
- 作业：中等
- 给分：超好
- 收获：很多
- 助教平时给的作业分很高（中位数差不多90）
- 老师没有向下调分
- 优秀率达到了逆天的80%
- 适合计算数学方向大二甚至大一提前选课
- 正常做作业即可拿到3.7
- 稍微卷一卷即可拿到4.0
- 拿到4.3（或许）需要花费大量的时间去卷和写报告
- 需要熟练掌握C++/Matlab/Python中的一门语言
- 作业需要写GUI
- 由于陈老师的专业方向，作业多次出现CG（只有第三次作业没出现）
- 课程主页：http://staff.ustc.edu.cn/~renjiec/mm2025/
- Github作业文档：https://github.com/TheVaticanCameos/USTC_MM_25
- 课程难度：困难
- 作业多少：中等
- 给分好坏：超好
- 收获大小：没有
- 难度：困难
- 作业：中等
- 给分：超好
- 收获：没有
纯巨佬展示课，对能力不够的同学很不友好。
上课基本就是简单介绍一些内容，从不深入，作业要用到的知识都要靠自学，跟课堂没啥关系。
作业给分也很很无语，助教给的作业文档写了完成文档中的基本要求就能拿90分，实际情况是作业文档里只列2-3条要求，作业讲评时基本要求就变成了4-5条，按照作业文档的要求做了只能拿80多分。你加分项不事先说明没事，扣分项也不事先讲就很无语。
出分了，给分雀氏不错。
- 课程难度：简单
- 作业多少：中等
- 给分好坏：超好
- 收获大小：很多
- 难度：简单
- 作业：中等
- 给分：超好
- 收获：很多
课程内容方面，可以参考陈老师主页上的课程页面 http://staff.ustc.edu.cn/~renjiec/mm2025/，主要是介绍一些常见的建模思想和典型模型，作为一门基础课程还是可以一学的。一周一节课，难度和量都不大，支持自学
成绩考核方面，有四次平时作业和一次大作业，占比一般为75%和25%，无期中期末考试，无点名（但到课率比较低，不排除后续增加点名的可能），会调分。
平时作业会根据同学的完成情况，后验的确定一些加分项和扣分项。加分项一般是鼓励自由探索（指多卷多得），可以考虑从广度和深度来拓展。扣分项除了作业没做对之外，主要是一些工程上的问题，比如没有提供依赖文件、缺少必要的GUI、实验报告对内容的展示不够完善等
大作业是从若干给定题目中挑选一个，给的时间比较充裕，建议选择前充分考虑难易程度和可扩展性。此外对于描述模糊的题目可以多问问老师和助教，确定能准确理解题目要求后再着手做。完成后可以多卷卷实验报告，尽量把结果展示得好一些，也算是练习论文写作了
给分方面，本人四次作业95 95 100 96，大作业94，总评98。平时作业的平均分经常在90上下，一般来说平时作业的均分90+，大作业不要太差，都能有优秀甚至以上，可以说给分非常好了，总之这波必须支持
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：超好
- 收获：一般
为了大三避开高新区开课的神人，且据说数学建模这门课很水，水到只能用来练习 \(\LaTeX\)，故提前选了本部的陈老师班，现在看来是非常正确的选择（只去了 1 节课，作业和报告全 AI 写的，也能拿到优秀），不知道以后有没有这待遇了。
没有考勤（据说课堂互动可以加分），没有考试。4 次小作业（75%） + 1 次大作业（25%，最后有优秀作业展示），建议使用 Matlab，如果用 Python / C++ 需要给出必要的环境配置文件需要写 GUI，需要提交报告（提供 \(\LaTeX\) 模版），完成实验文档中的基本要求即可得到 90 分，且有反内卷评分规则。给分很好，四次作业中位数为 85、89、90、92，最终也没有下调，神中神（就是不知道以后给分会不会这么好了）。2025 春作业 如下：
作业1：接缝裁剪
- 实现 2007 年 ToG 论文 Seam Carving for Content-Aware Image Resizing 中的接缝裁剪算法，用以改变图像的长宽比例。
作业2：基于矩阵分解的图像处理，以下任务 2 选 1：
- 实现基于矩阵 SVD 分解的图像压缩；
- 实现基于矩阵低秩分解的图像修复。
作业3：数据拟合模型，以下任务 2 选 1：
- 平面点列的曲线拟合；
- 使用神经网络进行昆虫分类。
作业4：微分方程模型，以下任务 3 选 1：
- 人口模型；
- 传染病模型；
- Poisson 图像融合。
大作业：需要组队，一组 1~3 人，以下题目中任选 1 个：
- 数码相机定位；
- 音乐旋律线的几何相似性；
- 蛋白质折叠的路径规划；
- 大气污染物扩散的粒子追踪；
- 锂电池枝晶生长的蒙特卡洛模拟；
- 城市人口密度场的等值线分析；
- 社交媒体传播网络的力导向布局；
- 古典建筑柱式的比例还原；
- 昆虫翅膀振动的空气涡旋模拟；
- 5G基站天线阵列的波束成形；
- 山体内部空洞结构测量；
- 受灾巡视；
- 烟囱灰尘扩散问题；
- 洪水模型。
- 课程难度：简单
- 作业多少：很少
- 给分好坏：超好
- 收获大小：很多
- 难度：简单
- 作业：很少
- 给分：超好
- 收获：很多
肯花时间，收获绝对超乎你的想象。
助教平时改作业给分很好，老师最后也没有反向调分，关于给分还能要求什么呢？
关于课程内容，每次作业都有要求GUI，可能和数学专业知识不太相关，但会写GUI对以后的科研裨益良多。算是给计算/ds的同学点技能点了
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：一般
看群里作业批改情况大家每次分数都挺高的，想问下最后总评给的咋样
- 课程难度：简单
- 作业多少：很少
- 给分好坏：超好
- 收获大小：一般
- 难度：简单
- 作业：很少
- 给分：超好
- 收获：一般
陈老师教学经验丰富，课堂讲解清晰透彻。他深入浅出地将复杂的数学建模知识分解，无论是晦涩难懂的理论还是纷繁复杂的案例，都能被他巧妙地剖析，让我们轻松理解并掌握。老师对学生的提问总是耐心解答，积极引导我们思考，鼓励大家提出不同的见解，极大地激发了我们探索数学建模世界的热情。
陈老师人也很nice，对学生很有耐心，作业也不多，挺简单的。
同时，课程的助教团队也表现卓越。作业文档写的很清楚，给分有理有据，很捞，但耐不住同学们太卷了，据说优秀率要压不住了。
总之，陈仁杰老师的数学建模课程无论是在教学内容、教学方法还是教学团队的配合上，都堪称典范，让我受益匪浅。强推！
