2023美赛经验分享
2023美赛参赛有感
前言
2023年美赛已经告一段落，我也在这一次的比赛中收获良多，因此，我也在此将自己本次参赛的一些心得进行分享，希望能在一定程度上帮助有需要的人。
赛前
组队
我在很早（大概是大一下学期的暑假）就有了参加美赛的想法，当时就在表白墙找了队友，准备在暑假里学一学的，但出于一些原因，最后没能坚持下来。到快美赛报名的时候，我的两个室友已经组好了队，缺一个论文手，我想我也有点word使用功底，就和他们一起组了队。舍友或者朋友之间组队有一个好处，就是大家之间基本上知根知底的，都知道对方是什么样的人，会比较靠谱，而这样的坏处就是专业方向基本一致，像我们三个都是计软院的，我是数据科学与大数据技术的，两个舍友是软件工程的。其实我认为不需要太过追求专业多样化，比如数学专业的建模手，计算机专业的编程手，文科专业的论文手这样的，首先不一定专业对口专业性就强，其次互相之间如果不是很熟悉的话容易出事，造成两人建模甚至一人建模这样子。我认为靠谱还是找队友的第一标准。
准备
在赛前最好还是了解下参赛流程还有比赛需要的知识，可以在网上找找获奖大佬的经验分享或者问问学校里参赛过的同学，像我就是向院里获F奖的学长请教了，他所分享的经验也让我收获颇深，还给我发了一些论文和模版啥的，我也在比赛的时候用上了；还有就是看了我们学校获O奖的学长宋浩然在B站作出的分享，多多少少也有帮助吧。
关于编程
编程手至少需要会Matlab，像我们组的编程手就是用Matlab还有SPSS，如果是画图，我还推荐Python和Jupyter Notebook，Jupyter
Notebook本质上也是Python，Python有很多第三方库软件包的支持，网上也有很多的教程，可以画出一些“高大上”的图，在机器学习和数据分析这两方面也有着得天独厚的优势，在这里我分享几个常用的库：
- numpy
- matplotlib
- pandas
这些库不管是用来做数据分析或者画图都很有用，网上也有很多的教程，在这里就不过多赘述了。
关于建模
建模手主要还是得了解各种模型：
优化模型
预测模型
分类模型
评价模型
······
我们的建模手是跟着B站的数学建模清风在学，感觉还挺不错的，经典的模型一定要懂，也要多看看O奖论文，其实很多O奖论文的模型看似高大上，其实也只是高级套皮而已，我们只需要在比赛的时候现学现卖就行。
关于论文
论文写作工具可以用Word，也有不少人推荐使用Latex，本次比赛里我使用了Word进行写作，我来讲讲这两个工具各自的优点：
Word
- 上手快，所见及所得
- 功能强大，基本上你的要求它都可以满足
- 教程十分多，不懂的上网都能查得到
Latex
- 不需要自己排版
- 排版美观
这两个工具可以自行选择，Latex麻烦的一点就是需要会编程语言，学习成本大，不能可视化。不过现在也有能让Latex可视化的网站，感觉还挺好。这次比赛我用的是Word，因为有模版，用起来还是很顺手的。
英文写作的话我们这次完全使用的有道翻译进行机翻，正确率还是很高的，不过翻完还是得自己看一下表达的意思对不对。其余的话我也推荐谷歌翻译，DeepL，翻译文献的话用知云文献翻译，当然还有一个人工智能，懂得都懂，这里不多说。
赛中
经历这次比赛，我觉得时间分配还是十分重要的，这次我们选择了E题，我想也是最多人选择的一题。但在做第一问的时候建模手卡住了，导致论文手也在坐牢，做出第一问已经是比赛的第三天了，导致后面的流程就很紧张，还好最后是顺利完成了。
关于比赛中网上一些提供思路的或者卖思路的，我觉得看看就好，他们弄的或许看上去做的很对，但也有可能有致命漏洞，自己参加的比赛终究还是靠自己。
这次最让我们感到坐牢的可能还是数据的查找，国内的网站几乎不会有特别符合题目需求的数据，这时候就需要翻墙到外网看看，墙外的世界还是很明朗的
可能队友会在一些问题上产生分歧，就像这次比赛时我们组员也对美国的GDP和中国的GDP不能直接换算进行了争吵，我的评价是最好还是能控制情绪，用愉快的氛围进行比赛，弄的太紧张了也不好，必要的时候做出一些退步。
总结
这次比赛也算是我大学生涯中参加的第一次比较重大的比赛，总的来说还是很有收获的，两个队友也挺靠谱的，是一段珍贵的经历。