中国科学院大学J 生物信息学考研辅导培训班全国各号码：《今日汇总》中科院(国科大)生物物理研究所J 生物信息学考研经验与复习指导
考研资深辅导
2024年09月13日 02:27:50
中国科学院大学J 生物信息学考研经验与复习指导
考研政治方面：
我开始准备在10月1以后，用书是红宝书和肖1000题，感觉这两本搭配很好。红宝书很多章，一定要安排好时间，争取1个月搞定，还要结合着做肖1000. 前面哲学、政治经济学部分的题目我认为大家还是多做一些。因为单纯靠看书去理解那些观点、概念（太抽象）很有难度，通过一定量的练习，大家理解起来会轻松些。对于习题，我觉得在基础复习阶段没必要做“思修”和“时事政治”部分，这两部分在后面模拟题中会出现很多，内容涵盖了常考点。因此，“思修”和“时事政治”部分的复习最划算的是放在做模拟题阶段。做了一定量得选择题后，大家就要把重心放在“时事政治”知识点的积累和练习论述题上了。到这个时候，学校书店会有很多有关“时事政治”的参考书，大家随便选一本应该对当年发生的国际国内重大时事都有一个比较全面的概括。“时事与政治”看完后离考试大概也就一个多月的时间了，这个时候大家千万不要急躁，大家需要做的是每天早上抽出一个小时左右的时间去读背“考点识记”（或类似资料），坚持下去，争取把这类资料上指出的一些重要知识点都过一遍、在脑海里留个印象，这样在做大题时才能靠边、踩点。说起大题，大家刚开始时肯定很担心，心理没谱！我当时就是这样，考前从来没有训练将五个大题做完过，做大题时一般只是写一下要点，而且写的那些要点中只有一两个和参考答案对的上。即使是这样，我还是抗过来了。实际考试时，我一个大题只写了一点点。对于考研，很大部分考的就是心态，要有必胜的信心！等大家做了一定量的哲学方面和“毛思和中特”方面的大题后，就要时时关注书店的模拟题了。我建议大家买肖秀荣的四套题和任汝芬的序列四，其中要重点看肖秀荣的四套题，特别是那上面的选择题，当然了，大题也很重要。若时间充裕的话，可以看一下序列四上面的大题。模拟题过完后估计离考试只有十多天了，这个时候就要抢记一些知识点了，也就是狂背！到考前几天大家把以前背过的一些东西再看一下就行了。
考研数学方面：
准备数学之前其实完全就已经是一个门外汉了，知道自己的情况，所以也大概在三月份就开始看书了。刚开始看，完全不知道该看什么，怎么看。最先买的书是李的全书和考研数学配套的课本。课本是草草的过了一遍，因为内容太多，抓不住重点，所以过完了以后和没看几乎是没有区别的。决定认真看李的复习全书，刚开始看难受的要死，整本书的新知识点，根本就处理不过来。最后调整了策略，选择性的放弃了一部分知识点，硬着头皮过了一遍。然后接着第二遍，这时漏下的知识点也同时就慢慢的补上来了。过完了以后觉得自己大概可以稍微做一下模拟题了，然而，是我太天真，真题的难度轻轻松松就把我打回了原形。在崩溃的边缘，我就又开始了新的计划。我要把所有的知识点连成一串。
考研英语方面：
自从大学二年级上学期通过六级考试后，我已经与英语疏远了四年多，完全失去了状态。幸运的是，我发现了一种适应自己学习风格的方法。我确实不喜欢死记硬背单词，因为记得的总是比忘记的少，这难免让人失去动力。于是，我在一周内利用零散的时间快速浏览了一遍张剑黄皮书的单词手册，之后便再也没有专门去背单词（实际上并未记住多少）。事实表明，那些备考攻略中普遍推荐的持续背单词并不适用于所有人。找到适合自己的学习策略更为关键，而我的策略非常简洁——专注于研究真题，而且必须深入细致。
我购买了两套张剑黄皮书，分别是1997-2004年和2010-2017年的英语真题集，一套用来奠定基础，另一套用于提升技巧。起初，做这些题目让我感到十分沮丧，感觉文章似懂非懂，至少每五道题里我会错三道。随后，我把这两段时间的所有真题文章重新格式化为Word文档，每段之间留出两行空白，然后全部打印出来，用曲别针按照年份逐一装订。接下来，我先做题，核对答案，然后取出相应年份的真题文章打印稿，参照张剑黄皮书的段落翻译和关键词注解，逐句详尽地分析每一篇文章。用红色标记我不认识或不确定含义的单词，用蓝色或黑色的水笔写下每一句话的中文翻译。这其实是一个简单的英翻中的过程，但在其中我能理解文章内容，提升语感，同时练习翻译（对于英语翻译部分，无需额外训练，完成所有年份的文章翻译后，这一板块自然变得得心应手）。这个过程起初可能会有些煎熬，毕竟每年都有六篇文章需要翻译（四篇阅读加一篇新题型再加上一篇翻译）。
考研专业课方面：
计算机学科综合包含了数据结构、算法、操作系统、计算机网络等多个核心领域。对数据结构，理解并熟练运用各种基本的数据结构如数组、链表、树、图等是基础，掌握如何凭这些数据结构设计高效算法解决实际问题至关重要。例如，在处理大规模基因序列时，哈希表和二叉搜索树等数据结构的应用就显得尤为关键。
操作系统的学习需理解进程、线程、内存管理、文件系统等概念。这对理解生物信息学中的并行计算、大数据处理等问题有直接的帮助。例如，了解并行计算原理，帮助优化基因组分析的效率。
再者，计算机网络的知识则涵盖了从TCP/IP协议到网络安全的一系列主题。在网络时代，生物信息学的数据交换和共享离不开网络技术，理解HTTP、FTP等网络协议，以及如何保证数据传输的安全性，都是必须掌握的。
学习方法上，我认为实战编程是最好的老师。无论是LeetCode上的算法题，还是自己动手实现一个简单的操作系统模型，都能帮助将理论知识转化为实际技能。积极参与开源项目，比如参与生物信息学相关的数据分析或软件开发，提升实践能力和团队协作能力。
定期复习和自我测试也是必不可少的。使用在线平台进行模拟考试，或者参加一些编程竞赛，以检验自有的学习效果。保持对最新技术和研究动态的关注，比如阅读顶级会议的论文，站在生物信息学的前沿。