研究生数学建模主要学习以下内容：

数学基础知识 ：

微积分

线性代数

概率论与数理统计

几何与代数

离散数学（如图论等）

微分方程与随机过程

优化理论与运筹学（如常规最优化方法、非线性规划、整数规划、动态规划、线性规划等）

计算机科学技能 ：

编程语言（如C/C++、Python等）

数据分析与处理

算法设计与分析

软件工具（如Matlab、SPSS、Stata、Maple等）

实际应用领域知识 ：

根据建模问题的不同，需要了解相关的领域知识，如环境科学、经济学、医学等

思维逻辑与问题解决方法 ：

能够合理提出假设进行模型测试和验证

培养抽象思维、逻辑推理和严谨分析能力

数学建模与机器学习专业课程 （如UCC数学建模课程）：

数值方法与应用

非线性动力学

科学计算与数字实例

网络计算技术

动态机器学习与应用

复杂网络及神经网络

数学建模和大数据开源基础设施

深度学习

工程机器学习解决方案

机器学习统计方法I和II

其他相关知识和技能 ：

算法与数据结构（如排序算法、图算法、动态规划等）

软件工程与实践（如代码优化、并行计算、算法加速等）

数学建模是一门跨学科的领域，结合了数学的理论和方法、计算机技术以及实际应用背景，旨在培养解决复杂问题的能力。