数理学院开展企业实战案例教学活动

为深化产教融合,落实企业真实案例进课堂,11月上旬,数理学院面向信息与计算科学专业本科生开展以“门店营业额预测”为主题的企业实战案例教学。杉数科技教育事业部顾问田轶、丁锐走进《神经网络与机器学习》课堂,学生以小组形式参与,在模拟任务中体验数据分析与智能预测方法在门店经营决策中的应用。数理学院副院长竺筱晶、数学系主任柴元主持本次教学活动。

本次教学依托杉数科技“COLORMind智能决策教学与实训平台”,围绕连锁门店营业额预测设置模拟任务。平台整合历史营业额、日历信息(如节假日、工作日)、门店基础信息(如城市、类型、区域)以及竞对门店数据等多源信息,引导学生梳理影响门店营业额的关键因素,构建门店营业额预测模型。各小组需要完成数据预处理与特征工程,尝试不同预测算法,对未来各门店的日营业额进行预测,并依据预测值与实际值之间的均方根误差(RMSE)评价模型效果。

教学过程中,学生通过平台进入模拟情境,按照角色分工开展小组讨论与协作。各组结合任务资料梳理业务背景和数据来源,围绕历史销售、日期属性、门店特征及竞争环境等信息完善预测模型框架;随后开展数据预处理与特征工程,尝试不同特征组合和预测方案,并根据平台反馈不断调整模型。主讲教师结合任务进展进行讲解与指导,引导学生关注数据质量、特征选择和模型调优对预测精度的影响,将课堂所学的数学建模与数据分析方法运用到具体业务问题中。

在最终挑战环节,各小组综合前期模型构建与特征工程成果,在规定时间内形成预测方案并提交平台评测。各组通过比较预测结果、调整模型方案参与团队排名,最终根据任务表现评选优秀团队,并为表现突出的团队颁发荣誉证书及奖品。活动将数据处理、模型构建、效果评价与团队协作融为一体,让学生在实践中检验所学知识,提升分析和解决实际问题的能力。

本次实践教学以门店营业额预测为主题,将企业实际业务场景与《神经网络与机器学习》课程内容相结合,引导学生综合利用历史销售数据、日历信息、门店基础信息及竞对门店数据,开展数据预处理、特征工程、预测模型构建与效果评价,在实践体验中加深对数据建模、时间序列预测及智能决策应用的理解。数理学院将通过企业案例讲解与分组协作相结合的方式,进一步拓展专业课程教学内容,增强学生运用专业知识分析和解决实际问题的能力,持续深化产教融合,提升课程实践教学质量。

数理学院 供稿