数学建模越来越多地用于支持公共卫生决策,以控制传染病。本专业旨在介绍数学建模的一些基本概念,所有建模均使用编程语言 R(当今广泛使用的一种应用程序)进行。
如果您具备 R 语言的基本工作知识,同时也想学习必要的基本编码技能,用这种语言编写简单的数学模型,那么本专业课程将非常适合您。虽然不需要高级数学技能,但您应该熟悉常微分方程以及如何解释常微分方程。您将获得有关传染病建模基本理论的明确指导,以及用编程语言 R 编写模型的实际动手经验。

建立有效的数学模型,捕捉特定传染病的自然史。
用 R 语言建立数学模型,根据流行病学数据进行校准,以估算模型的关键参数
使用校准模型为不同干预方案创建模型预测
针对特定的研究和政策问题,解释数学模型的优势和局限性

添加到您的领英档案


数学建模越来越多地用于支持公共卫生决策,以控制传染病。本专业旨在介绍数学建模的一些基本概念,所有建模均使用编程语言 R(当今广泛使用的一种应用程序)进行。
如果您具备 R 语言的基本工作知识,同时也想学习必要的基本编码技能,用这种语言编写简单的数学模型,那么本专业课程将非常适合您。虽然不需要高级数学技能,但您应该熟悉常微分方程以及如何解释常微分方程。您将获得有关传染病建模基本理论的明确指导,以及用编程语言 R 编写模型的实际动手经验。

建立有效的数学模型,捕捉特定传染病的自然病史
用速率、比例和延迟来解释分区模型
描述驱动 SIR 流行动态的基本过程,并说明其与重要概念的关系
解释易感性随时间变化的机制,并建立一个简单的 SIR 模型,在给定参数下解释这些机制

确定模型与真实世界流行病学数据之间的关系
将治疗或疫苗接种纳入 SIR 模型,考虑不完善的疗效和不同的作用机制
根据时间序列数据对 SIR 模型进行简单校准,选择参数以最大限度地提高模型与数据的拟合度
认识基于计算机的模型校准的两种简单方法,并用 R 语言在每种方法下进行模型校准。

区分随机模型和确定性模型,解释二者何时适用,并对随机模型进行简单模拟
确定在模型中纳入种群结构的重要意义,设计并模拟反映这种结构的传播模型
评估 Ross MacDonald 模型背后的假设,并使用 R 对该模型进行编码,以模拟病媒传播疾病的动态变化
批判性地评估建模研究,并向有科学素养的受众介绍其优缺点
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。



伦敦帝国理工学院位于伦敦市中心,是一所世界排名前十的大学,在科学、工程、医学和商业领域享有卓越的国际声誉。帝国理工是一个集教育、研究、转化和商业化于一体的多学科空间,利用科学和创新应对全球挑战。 帝国理工的学生受益于世界领先的包容性教育体验,这种体验植根于学院世界领先的研究成果。我们的在线课程旨在通过使用尖端数字技术,促进互动、学习和核心技能的发展。



