中国科学院大学人工智能考研经验与备考方法
考研政治方面：
对于政治，我是9月份开始的，买了肖秀荣三件套，刚开始看的是精讲精练，后来出了红宝书，就看红宝书了。我也没什么特别的经验，当时背书背的闲麻烦，又因为自己做过思维导图，然后就开始了把肖1000题上的题目变成思维导图之旅。从大约10月份，一直做到了考试前夕，现在想想都是泪啊，光打字就打的手疼。早知道就不做了。当然，效果还是可以的。用导图搞定选择题之后，考试前2，3周，就开始背大题，背肖4。大家背的时候不要全背，就背背大概就行（1。。。2。。。3。。）。
考研数学方面：
数学，我个人认为比较有效的方法可以，第一遍你可以看看课本，熟悉熟悉基础知识，注意一边看书，一边把只是串联起来，我身边的大多数人都在看张宇的视频，据说很有趣，有很多基础的知识讲的也是通俗易懂，如果课本看不下去可以试一试；这是第一遍，第一遍过课本，一定要做一点基础的一点的题目，至于第二遍，我就开始做数学全书，如果你看到数学全书的那些题目，你大部分都不会，不用着急，因为大家都不会，最重要的是做题思路，这个时候就要及时标记自己不懂得地方，数学全书第一遍下来时间会比较久，这个时期我比较建议做一些买全书时送的那个分阶检测，就是看了一节的全书，做一下对应的分解测试的题目，感觉这么配合下来效果比较好，但是分阶测试题目上题目比较多，你可以根据自己的时间和能力确定可以做多少，第二遍做全书的时候如果有很多不懂得地方，看看视频或者教材，弄懂了就好。接下来第一遍全书结束后，开始第二遍，你会发现第二遍全书会用的时间比第一遍少了一些，然后把分阶检测剩下的题目做一下。第二遍结束之后，你基本的知识点和基本的做题思路都有了，这时候就要采用题海战术了，比如660题啊，也可以做张宇的1000题，都可以，总之这个时候就是要多做题，反复做，锻炼你看到题目就有好多套路。一般在十月底或者十月初就开始做真题，张宇一般推荐30年真题，但是我觉得你可以只做近20年的就可以，但是做真题就要给自己在考试的感觉，第一遍按照考试的时间模拟一下，如果时间过了也不要紧，重要的是就是把所有的题目，所有的知识点，做题方法都弄懂了，这是第一遍真题的目的，第二遍真题目的，就是拿到150分，而且不要超过两个小时。在真题做完了之后，可以找一些押题卷，李永乐6+2，张宇最后4套，合肥工大都可以，不要都做，做几套就行，不会也没事，因为都比较难。最后考试一周前，做一下李永乐6+2里面的由历年真题混编的两套卷，严格按照考试时间。
考研英语方面：
我承认，我的英语水平相当有限，因此在四五月份期间，我平均每天投入约7小时来学习英语。到了五月底，我已经完成了第一轮词汇的记忆，并且熟记了2001年前的所有阅读理解真题。这个阶段结束后，我对英语的理解仿佛看到了一丝曙光。每日坚持背单词是必须的，我自认为英语基础薄弱，四级考试的通过简直是幸运女神的恩赐，而考研英语与四六级的关系并不大。初期，我主要专注于翻译，通过解析复杂的句子来掌握语法规则。我从五月份开始接触真题，但选择了从1994年开始，先从较为简单的部分入手，因为我需要打牢基础。如果你觉得自己的英语还不错，可以从2000年后开始做。我总共大约重做了五遍真题，不过我不打算详细说明每个阶段的具体时间安排，这取决于个人情况。直到九月之前，我确保每天至少花费5到6小时在英语上。重点不在于刷题次数，而是理解和掌握每一个题目。作文练习至关重要，务必亲自动笔。可以借鉴模板，但别生搬硬套，要学会灵活应用。后期的自我模拟考试极其关键，它能让你意识到时间的宝贵。我个人觉得黄皮书和陈正康的英语教材非常适合我。
考研专业课方面：
对机器学习，理解并掌握各种算法至关重要。包括线性回归、逻辑回归、决策树、随机森林、SVM、神经网络等。你需明白每种算法的基本原理，知道它们何时适用，何时不适用，并能熟练运用这些算法解决实际问题。Python的Scikit-learn库是一个很好的工具，用于实践和理解这些算法。
深度学习是现代人工智能的核心，特别是卷积神经网络（CNN）和循环神经网络（RNN），以及流行的Transformer模型。你需理解反向传播的过程，以及如何凭优化器调整权重。TensorFlow和PyTorch是两个强大的深度学习框架，凭实践项目，你更好地理解这些概念。
再者，自然语言处理（NLP）也是考试的重点。这包括词嵌入如Word2Vec和GloVe，以及更复杂的模型如LSTM和BERT。你需理解语言模型，情感分析，文本分类等基本任务，以及相应的模型结构和训练过程。
除了理论知识，编程能力同样重要。无论是数据预处理，模型构建，还是结果评估，都离不开编程。Python是最常用的语言，Jupyter Notebook或VS Code是理想的开发环境。好的数据分析能力和可视化技巧也能帮助你更好地理解和解释结果。
阅读和理解相关的研究论文也是必不可少的一部分。它不仅你了解最新的研究成果，还能训练你批判性思考的能力，这对未来的研究工作极其重要。
复习的过程中，建议多做真题和模拟题，凭实践来检验自有的理解和应用能力。参与一些在线课程，如Coursera、edX上的AI课程，或者参加Kaggle竞赛，都能进一步提升实战技能。
