申强

　　摘 要：信息与计算科学专业以理为主，理工结合，虽然有着广泛应用性，也有运用的复杂性。这要求我们必须具备扎实的数学基础及计算机科学的基本理论、基本知识和基本技能，充分发挥交叉学科优势，把所掌握的两方面理论、方法和技能应用到教育、科研、工程和经济部门的实际课题中，搭起理工相通的桥梁，最终成为从事教育、科研、工程技术和管理方面的具有创新能力与创业意识的高级科学技术人才。 但是， 如何才能使我们既能掌握计算数学、计算机软件科学及信息科学的基本理论、基本方法，又能具备较强的建模、编程、实际操作能力，并能从事工程数值计算、计算机软件的设计、开发及应用呢？ 这要求我们在本专业的学习中必须要有科学、高校的学习方法。

　　关键词：信息与计算科学；学习方法

　　信息与计算科学专业涉及科目较多，交叉课程也比较多，如何高效学习笔者认为应从两方面做起：一是对课内专业知识的积累；二是对课外创新项目实践。学好课内专业基础理论知识是搞好课外创新实验项目的基础和前提；反之，创新实验项目是对课内所学专业知识的具体实践和运用。

　　一、学好课内专业知识的方法

　　对于课内专业知识的积累来说，比如数学分析、高等代数、概率论与数理统计、常微分方程、数理方程、信息论、数据库、计算机图形学、计算机程序设计等，要想最大限度地提高效益和收获知识，在课堂上必须培养卓有成效地听课和记笔记这一基本习惯，并且在课后及时认真复习。

　　（一）高效率听课。听课是整个理学学科学习过程链条上的中心环节，是获取书本知识的主要阵地。竭尽全力地听好教师的课堂讲授，是赢得优异学习成绩的重要基础和必要条件。要想听课效率较高，就必须在听课前要有充分的准备。 首先，充分复习前一节课的内容。课程内容前后章节具有连贯性，衔接性和穿插性。只有对前一节课的基本概念、定理、方法深刻理解和牢固掌握，才能在听后一节课时具有坚实的基础，从而从容不迫、左右逢源。其次，预习好本节课即将讲授的内容。听课前认真预习本节课即将讲授的内容，标记出自己的疑难点，使自己在听课时一目了然，心中有数，胸有成竹，从而更加清醒主动，全面周到，富有成效。

　　（二）高效率記笔记。记笔记可以储备资料，积累素材。尤其是对于我们信息与计算科学这一理论性很强的专业来说，记笔记可以为课后复习、考前应试和将来深入钻研，储备充足的资料、积累丰富的素材。 记笔记有助于听课时集中注意力。专心致志地详细记笔记，就会高度注意听取教师讲述的每句话语和在黑板上书写的每段文字、每个公式，从而就顾不上走神去想其它事情，也不会被外界干扰所吸引而转移注意力。

　　（三）课后及时高效复习

　　学过的课内理论知识如果不科学而有效地进行复习，就可能很快被遗忘。要牢固掌握，形成能力，复习必须有章可循。首先，课后应该及时回忆 学过的新知识，如同“过电影”。及时复习是一种积极主动的习惯，须高度集中注意力，把学过的知识在头脑中“再现”一遍，从而巩固所学知识。其次，要想牢固掌握所学知识，必须经常定期复习。即使是复习过的内容仍须定期巩固，但是复习的次数应随时间的增长而逐步减小，间隔也可以逐渐拉长。从时间安排上，可以当天巩固新知识，每周进行周小结，每月进行阶段性总结，期末进行全面系统的总复习。每单元进行知识梳理，每章节进行知识归纳总结，必须把相关知识串联在一起，构建知识结构，形成知识网络，达到对知识的整体掌握。

　　二、搞好课外创新项目的实践

　　（一）培养创新实践意识和能力。首先，作为信息与计算科学的学生，要对创新实践项目充满浓厚的兴趣，要敢于实践，勇于创新，在解决实际问题中提高自己的创新实践能力。课余时间，要积极听取本专业学术相关的专题讲座，扩大自己的视野，使自己获得相对多的信息量，更加深入地了解信息与计算科学的发展前景。 其次，我们可以到本学院的实验基地，练习使用matlab、sas或lingo软件编写相关程序解决工程作图，实验数据或时间序列等拟合、插值问题。也可以根据自己的兴趣、爱好设计一些短小精悍的算法，编写一些C、C++、Java小程序，以提高计算机编程解决实际小型实际问题的能力，为参加校级或省级ACM程序设计大赛和计算机综合技能大赛打下坚实的基础。

　　（二）积极参加数学建模竞赛。积极参加数学建模竞赛是搞好课外创新项目实践的关键，参赛应注意以下两点：

　　1.数学建模竞赛要用到数学知识，但与纯数学竞赛不同；用到计算机，甚至离不开计算机，但却不是纯粹的计算机竞赛。它涉及物理、化学、生物、医学、电子、农业、管理等各学科、各领域的知识，但也不是这些学科、领域里的纯知识竞赛。它要用到各方面的综合的知识。参赛选手不只是要有各方面的知识，还要驾驭这些知识，应用这些知识处理实际问题的能力。

　　2.尽量熟悉数学建模的常用方法：数据拟合、参数估计、插值等数据处理算法；线性规划、整数规划、多元规划、二次规划等规划类问题；动态规划、分治算法、分支定界等计算机算法；模拟退火法、神经网络、遗传算法，蚂蚁群算法，免疫算法；数值分析算法 ；网格算法和穷举法；图象处理算法等。不一定要求这些方法都弄透弄懂，但至少要了解，遇到具体实际问题时要有意识的去运用。

　　参考文献：

　　[1]傅芸祖.信息论基础理论与应用[M].北京：电子工业出版社，2011.

　　[2]姜丹.浅论信息与计算科学的学习方法[J].数字化用户，2015（9）11-12.