充實的經歷&收獲
美賽這個過程，確實逼著自己學了不少東西，excel本身，以及發現Ai確實能幫忙處理不少的了，也第一次發現原來自己熬通宵也能很精神（當然確實是傷身體的）
好的經驗：
積極搜索同類型問題的論文，這一點很有幫助，了解別人對于同類型問題的應用方法和處理細節（可以先用關鍵字粗篩，再借助AI來輔助閱讀）
AI確實是蠻強大的，已經能夠理解數據處理等需求，可以請豆包直接來讀論文
方法論
擯棄”碰運氣“的思想，以結果為導向的時間規劃真的非常重要：我覺得這次是前期有點太自信了，太相信自己的經驗，期末考試的僥幸，加上前期沒有充分準備，只是莫名自信，事情就比較難實現讓人滿意的結果。應當以結果為導向，反推每一階段任務的大致時間：
積極主動：要想有好的結果，就要有主人翁意識，拒絕責任推脫，拒絕”我只是論文手，模型你負責“，積極主動非常重要，有想法就去學，去跟無論是不是組長，總是擔起領導的責任，
不在前期糾纏細節，拒絕盲目的完美主義：：細節是在最后打磨的，不是在前期糾纏的，先定思路框架，再考量具體細節。完美主義要有優先順序，比如首先在摘要上完美才是正道，摘要有問題取打磨其他，那真是值得反思
ABOUT TEAMWORK
關于多人討論效率低：這可能就是會議的一個縮影，一方面，應該每個人單獨思考后再進行討論，提出可行的方案，不要總想著反駁，反駁要提出解決方案，
選團隊成員很重要：組隊選人，人的品質和能力都很重要，有的人很適合當朋友，但未必就適合一起工作，確認之前最好評估好個人品質，學習新東西的能力、工作產出（不僅僅是工作態度）
美賽本身的方法論
全隊的完整賽前模擬，真的非常重要，每個人特點不同，很難將以前的經驗直接套用
數據的發掘&量化落地才是是建模的核心：建模題應當都是這樣，美賽C題更是如此，關鍵在于數據的發掘，數據的量化很重要，一直停留在上層的思路層面，沒有實質進展，這是特別可怕的。
圖片搜集：相關官網，視覺中國等圖片平臺都可以
排版的過程也是很耗時間的：美賽論文本身的排本等也是很耗時間的，比如圖片大小的縮放，先后順序調整等。
每個隊員都應該看論文
存在問題
多次出現：這種時間跨度比較長，沒有安排好時間就極容易變成重要且緊急，很容易大意，很容易感覺進度不錯而松懈
想著某個部分很好處理，卻一直忽視，直到最后多處疊加在一起十分繁瑣
)
：結構方程模型用于研究數量遺傳學中的因果表型網絡)
)
