清华大学电子信息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，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。
考研数学方面：
首年，我投入了大量的时间，由于市场上针对396经济类联考的复习资料稀少且质量不一。我细致研读了两本高等数学书籍、清华大学出版的线性代数教科书以及一本概率论课本，挑选部分课后习题进行演练。我主要依赖北京理工大学出版社的核心笔记，并大致浏览了李永乐的数学全书。对于线性代数，鉴于我在本科时的基础较弱，我专门购买并深入学习了李永乐的辅导讲义。我还制作了详尽的笔记，涵盖知识点和错误题目。可以说，我的准备工作十分充足，远超考试的实际需求，以至于第一年的考试在我看来相当简单，仅用了半小时就完成了。
数学的学习需要投入大量时间，结合教科书，认真记笔记，归纳各类题型和重要考点。《题典1800》分基础篇和提高篇，其中包含许多经典题目，难度适宜，与考研数学相仿。建议在九月新学期开始前，先过两遍所有基本概念，同时完成所有习题，确保对所有知识点烂熟于心。从九月起，可以开始做历年的真题，但在此之前务必避免接触真题。做真题时需严格按照考试时间规定，完成后仔细核对答案，分析得失。真题应重复练习，至少要做三遍。数学学习的关键是思考和总结，不能只埋头做题。通过大量练习，你可以逐渐熟悉各种题型，看到问题的条件就能联想到相关知识，每个问题的表述都能转化为解题的前提。建立一个错题集是个好习惯，把做错的题目、新颖的题目以及常考的知识点（如麦克劳林公式、泰勒公式等）都记录下来。
考研英语方面：
英语真题很重要。于是我是边做真题边背单词，做了三遍真题后，我偶尔会做张剑的黄皮书150篇，一战时用的是下篇提高篇，因为看着上篇的讲解太多，很烦，下篇的提高篇答案写的很直接。我觉得，能做透真题就真心不错了，能多做几遍多做几遍，做模拟阅读只是为了背单词和练手，适量就可以了。做阅读可以背单词，学习语法和短语，对写作文也有好处。英语单词我觉得没有必要单独用大块的时间来学习，完全可以把所有的零散时间利用起来，可以用手机下载一个背单词的软件，比较方便，还有平时做阅读，做长难句等，这里面的生词都要搞会。
考研专业课方面：
这个科目涵盖了广泛的领域，包括但不限于线性代数、概率论与数理统计、数值分析以及最优化理论等。每一个部分都是构建数据分析和机器学习模型的基础，都需深入理解和熟练掌握。
线性代数是理解现代科学和技术的基石，矩阵运算、特征值和特征向量、秩和逆矩阵等内容是核心。对这部分，我建议多做练习题，尤其是高斯消元法和矩阵运算，因它们在实际问题中应用广泛。理解向量空间和线性映射的概念，能够帮助你更好地理解复杂的数据结构。
概率论与数理统计则是数据分析的灵魂。你需熟悉随机变量、期望、方差、分布函数、条件概率、贝叶斯定理等基本概念，并能运用这些知识进行假设检验和参数估计。这部分需大量的案例分析来提高直觉和应用能力。
数值分析是解决实际计算问题的关键，主要涉及插值、拟合、微分和积分的近似解等。这部分需理解算法的工作原理并进行编程实践，Python或MATLAB是很好的工具。我推荐使用这些工具实现书上的例子，这将有助于深化理解。
最优化理论是许多机器学习算法的基础，如梯度下降、牛顿法等。理解这些优化算法如何工作，何时收敛，以及如何调整步长和学习率，对提升模型性能至关重要。
我的学习方法主要是结合教材和在线资源，例如MIT开放课程、Khan Academy等。我会先通读教材，凭做课后习题和项目来巩固知识。我还参加了一些讨论小组，凭与他人交流，解决了许多难题，也提高了自有的思考深度。
复习过程中，我一直保持定期回顾的习惯，避免“学了后面忘了前面”。遇到难以理解的部分，我会花更多的时间去钻研，甚至找导师或者同学讨论。耐心和毅力是成功的关键。
