北京交通大学人工智能考研经验与复习注意事项
考研政治方面：
大约在10月，高等教育出版社发布的《考研政治大纲解析》出版后我才启动复习。这本四十多万字的书籍略显沉闷，且由于语言表达相近，易使人混淆。不过一旦消化了首部分的马克思主义基本原理，毛泽东思想和中国特色社会主义理论体系就会显得相对简单，而近现代史和思想道德修养的领悟难度不高。我将它与《肖秀荣1000题》同步使用，每读完一章就做相应章节的选择题，这种方式相当有效。试题的实践帮助我逐渐明确了关注点（尽管看似每一处都是重点）和知识点间的差异，避免了混淆。后期我没有投入大量时间背诵（几乎没有长时间拿着书在外背诵的日子），因此这一轮阅读对我至关重要。我自称采用了“理解性记忆”，并强烈推荐这种方法。所以，我认为这两本参考资料极具价值，有位政治高手提议应再看一遍大纲解析，如果时间允许的话。完成这一遍后，我还天真地将肖1000中的所有解答题抄写了一遍，虽然当时没记住多少。但后来反思，也许这个过程在无形中有所助益。
考研数学方面：
数学一定要多做题多做模拟，不要因畏难就不去做，我记得当时有同学因为说张宇题难，就没有做8+4，但初试后发现，其实难题更考察的知识应用水平，我开始做张宇的题已经是11月底了，之前没有接触过张宇的任何资料，但是仍不妨碍做题。我做8套大概能有110—140，4套的话分太低了就不说了，嘿嘿，其实也没有多难，主要是运算步骤增加了，很多题目设了不少陷阱，所以，个人觉得，张宇的题还是很有必要做一做的，很能查漏补缺，并没有偏离基础。我一做选择我就感到了满满的套路，挖了很多坑，但只要基础扎实，还是可以拿个不错的分数。做模拟的时候一定要严格定时，而且步骤尽量写完整，如果觉得时间不够，可以挑几套出来定时模拟，要有上考场的那种感觉。我觉得，真题的话2小时内基本要做完，模拟题的话也是，尽量要在2个半小时内做完，这样的话等你真正上考场了压力才不会太大。多做题，多查漏，这点应该可以通用。
考研英语方面：
自三月起，我开始了词汇积累，到了五月转而着手处理历年英语真题。我从过去十年的试题中挑选，专注于每日一篇阅读理解的练习，并在完成后梳理生词和短语。大约在九月中旬，当我完成了英语部分后，我转而去做前几年的阅读理解，依然坚持每日一练。在做阅读时，我会严格控制时间，确保总能在限定时间内完成，以维持答题状态。接下来是完形填空，也是每天一篇并进行整理。由于完形填空的数量相对较少，我在完成之后还额外做一些模拟题，主要是为了保持感觉，正确率并非首要关注点。十月底，我开始背诵作文素材，到了十一月中旬，我开始构建自己的个性化作文模版。至于翻译，我没有进行系统性的训练，仅限于实践真题的翻译部分，因此最终的翻译效果并不十分满意。
考研专业课方面：
数据结构是计算机科学的基础，对人工智能专业的学生尤为重要。它不仅涉及到如何有效地组织和存储数据，还关乎到算法的设计和分析。在我复习的过程中，我发现理解并熟练掌握四种基本的数据结构：数组、链表、栈和队列是基础中的基础。这些基础知识会在后续的学习中频繁出现，需深入理解它们的工作原理和操作特性。
数组是最基础的数据结构，它的优点是访问速度快，但插入和删除操作相对较慢。链表则弥补了这一缺点，虽然访问速度稍慢，但在动态改变数据时更为灵活。栈和队列是两种特殊的线性结构，"后进先出"（LIFO）的栈常用于递归和表达式求解，"先进先出"（FIFO）的队列则广泛应用于任务调度和缓冲区设计。
接下来，树和图是更高级的数据结构，对解决复杂问题至关重要。二叉树、平衡树如AVL和红黑树，以及图的各种遍历算法，如深度优先搜索和广度优先搜索，都是需重点掌握的内容。这些数据结构的理解和应用能力会直接影响到你解决问题的能力。
在实际应用中，排序和查找算法也是重要的一环。快速排序、归并排序、堆排序等都是常见的排序算法，需理解其工作原理，并能按实际情况选合适的方法。至于查找，二分查找、哈希表等都是高效的工具，尤其在大数据处理中作用显著。
对数据结构的学习，理论知识和实践操作要两手抓。多做题，凭编程实现数据结构和算法，加深理解，提升解决问题的能力。利用在线平台如LeetCode进行实战训练，检验自有的学习效果。
