小伙伴们周末好，今天数乐君花时间给老铁们整理了几款大家在数学建模比赛中需要准备的小工具，比赛中准会用到，整理不易，抓紧点赞转发给你需要的人。
写作类
word:文本编排
可视化强
操作简便
插图表很方便
tex:文本编排系统
低要求可用latex代替RStudio是一款R语言的IDE，R自带的环境操作起来可能不是方便，而Rstudio很好地解决了这个问题，而且它还具有调试、可视化等功能，支持纯R脚本、Rmarkdown(脚本文档混排)、Bookdown(脚本文档混排成书)、Shiny (交互式网络应用)等。
visio:工作流程图
Visio的功能复杂性高于亿图图示，在图形与数据库的交互、宏处理上具有领先优势，总的来说，功能丰富，但对用户有一定的学习门槛要求；亿图图示则侧重快速制图，通过简单直观的设计及丰富制图类型与模板素材来提高使用者的设计效率，简单好用易上手，能够在短时间内输出专业绘图成果。
Rstudio+ggplot2
ggplot2是用于绘图的R语言扩展包，其理念根植于《Grammarof Graphics》一书。它将绘图视为一种映射，即从数学空间映射到图形元素空间。
亿图图示:图文编排(部分付费)
亿图图示内置的模板和符号库更为丰富，其数量是Visio的2-3倍，素材的美术视觉效果都比Visio提供的素材要更加好看，由此绘制出的图形也更加美观，符合现在的潮流审美。
AXMath:国产数学公式编辑器
可代替Mathtype(付费)
AxGlyph:饼状图，流程图，函数图等等(付费)
MathType
Mathtype和AxMath是区别于Word自带的公式编辑器，使用起来要更加方便。但是这两款软件的正版都要收费，相比之下，AxMath的费用要更低，因此学生使用起来可能会比较好。
Ocr工具
有时候在建模中，参考的资料是图片或者无法复制的资料，这里就需要使用文字识别工具来提高我们的写作效率。现在很多ocr工具都很成熟了，比如微信、QQ的截图都能十分准确的识别。总而言之，免费的肯定没有付费的香香，这里就不做推荐了，
期刊等数据库（自己想办法）
例如中国知网、谷歌学术（查英文文献）等，需要在竞赛之前提前准备好了。如果学校购买了数据库，那可以试试使用学校的账号登录一下，就可以下载知网或者其它数据库上的论文啦。
算法类
matlab
MATLAB是一种强大的数值计算和科学编程软件。它提供了丰富的数学函数和工具，用于数据分析、算法开发、信号处理、图像处理、控制系统设计、仿真等应用领域。MATLAB具有直观的语法，使得用户能够快速进行数值计算和数据可视化。用户可以使用MATLAB进行向量和矩阵操作、数值积分、符号计算、线性代数运算等。此外，MATLAB还具有丰富的绘图功能，用户可以绘制2D和3D图形，制作动画和可视化效果。在算法开发方面，MATLAB提供了许多内置函数和工具箱，用于数学建模、优化、机器学习、深度学习等。用户可以使用MATLAB快速实现和测试各种算法，并对其进行调优和分析。MATLAB还支持与其他编程语言（如C++、Python等）的集成，用户可以通过MATLAB引擎接口在不同的编程环境中共享数据和调用函数。此外，MATLAB还具有丰富的工具箱和应用程序，用于特定领域的问题求解和研究。
MATLAB在数学建模中的应用
数据处理和可视化：学会使用MATLAB进行数据处理和可视化，包括数据导入、清洗、统计分析和绘图等。掌握MATLAB中常用的数据处理函数和绘图函数。
数值计算和优化：了解MATLAB中的数值计算和优化工具，包括数值积分、数值微分、方程求解和优化算法等。掌握这些工具的基本用法和应用场景。
建模和模型求解：学习如何使用MATLAB进行建模和模型求解，包括数学建模的基本思路和方法，以及MATLAB中常用的建模函数和求解器。掌握如何将实际问题转化为数学模型，并使用MATLAB求解模型。
结果分析和报告撰写：掌握使用MATLAB进行结果分析和报告撰写的方法，包括结果可视化、数据统计和报告生成等。学会使用MATLAB的文档处理工具和报告生成工具。
spss
spss:为IBM2司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支任务的软件产品及相关服务的总称
lingo
lingo:LINGC能够求解线性规划、二次规划、整数规划和部分非线性规划。(特点小而精)
python
Python是一种广泛使用的高级编程语言，同时也是一种开源的、可扩展的软件开发平台。它具有简洁易读的语法和强大的功能，被广泛应用于数据科学、机器学习、人工智能等领域。它拥有强大的数据处理和分析能力，并提供了很多用于机器学习和深度学习的库，如NumPy、Pandas、Matplotlib、Scikit-learn等。为了更好的使用python进行编程，出现了几款比较常用的软件，为用户提供更好的编程体验。
R
优势
免费/包多，上手快，还有其他提到的;
我们使用下来R最好功能是:画图，(ggplot2，plotly，shiny，ggmap用起来真的很方便)，ggplot2画静态图，plotly画交互图、shiny可以用网页交互，ggmap画地图类可视化;
基于内存，训练速度还算快，代码量少:
开源，开发者还不少，是个不断壮大的社区，并且也发展的比较成熟了
轻量，使用数据量相对少的模型项目，几个G的数据，用16G内存的电脑吃得消;
Rstudio用起来真的挺好的，界面非常友好，是个很优秀的IDE;
很多人懂R语言，写出来的代码速度非常慢，特别是有些人老是喜欢写循环，我想说的是R语言恨透了循环。毕竟不是每个人都会用Rcpp写代码的;
劣势
目前主流的DeepLearning的包都没有相关的R package，而python通吃;R现在只有一个明星产品mxnet，h2o勉强算1/4;
数据量足够大了之后，R肯定是不适合了，内存要爆掉的;
R的package非常的泛，开发包的人水平参差不齐，很多package都没有持续的更新，很多bug都没有修复(python相对来说会好很多，sklearn持续更新)
如果是在服务器上安装R的package，你想死的心都有，因为依赖、依赖、依赖啊，在不能联网的服务器上，你要手工的把依赖、依赖、依赖包都线安装好，心真累;
mathematica
符号计算非常强大，可解的方程类型最广泛
非常强大和灵活的语言，完成相同的工作，和同类语言相比代码量往往最少
语言高度统一，支持相当多的编程范式，过程式、函数式、元编程，逻辑编程、基于规则...
循环比较慢，可以用Compile加速，或使用Map、Table、Nest等代替循环
许多内置函数具备AAS机制(AutomaticAlgorithmSelection)
擅长高精度和大数计算，图形方面的函数很丰富，默认画图比Matlab和Maple更好看
界面美观，输入公式很方便
帮助文档很友好
今天的分享就到这里了，评论区说你你想要的软件名称，数乐君可以赠送于你哦。
7月份数模人都在打的大数据建模竞赛来了
7月份接下来数模人人都在打的由阿里巴巴钉钉举办的钉钉杯大数据挑战赛，认可度高，综测加分有保障，大厂面试敲门砖，赛题主要包含数据挖掘和数据分析两大类，近几年国赛与美赛中C题连续出现大数据相关的方向，像在建模中常用到的数据预处理、神经网络、机器学习和深度学习算法，决策树等等，都是和大数据相关知识紧密相连的，作为国赛前大型热身练手的绝佳机会。
扫码进入官方参赛群（组队+获取历年真题及论文）