中国科学院大学计算机技术考研辅导培训班全国各号码《今日汇总》-中科院(国科大)高能物理研究所计算机技术考研复习方法与经验

中国科学院大学计算机技术考研经验与复习方法
考研政治方面:
政治不用准备过早,九月开始就行,我当时大概就是9月份下旬开始看的,大纲解析看了一点便扔下了,最后阶段就是做模拟题了,个人认为肖秀荣老师的最后四套还是好的,还有最后我也看了他的那本重要的知识点总结(忘记名字了)。另外奉劝大家不要再相信政治客观题选项有规律的话,做完之后还有很长时间,结果就把客观单选题答案弄到一起,对比一下又改了几个,结果悲剧了,之前对的都改错了,真是悲剧。政治不能掉以轻心,我听很多人说他们裸考都能考五十多,我觉得如果完全什么都没学的话是不可能取得较为满意的分数的,特别是你的报考院校是较好的大学的时候,你不能有任何一门课拖后腿,政治过线很简单,可是要让它拉分就有难度了。政治最为重要的是选择题,因为大家大题分数都拉不太开,都背了肖四肖八,但是选择题,尤其是多选题,特别拉分。
考研数学方面:
推荐在9月之前完整地过两遍教材,但这并不仅仅是机械地海量做题。每完成一个单元的习题后,最好能系统地梳理关键考点,如果条件允许,建立个人的纠错本也是个好方法。我在备考数学时就使用了纠错本,通过分析错误原因和题目考察的知识点,以确保日后遇到类似问题不再重蹈覆辙。做题的质量至关重要!我个人在复习线性代数时,跳过了教材,直接采用李永乐老师的线代专项书籍,它对知识点的解释十分详尽。后期我主要精力都集中在了几套真题上,只做了少量模拟题,结果今年考试难度大幅提升,我的数学成绩最终只有118分,创下了历史最低。所以我想提醒大家,在巩固基础题的同时,绝对不能忽视那些难题!660题、张宇的18讲以及模拟试卷都需要我们严肃对待,全力以赴!
考研英语方面:
寒假前一直在看何凯文1575,将单词下例句里的单词不会的都查出,摘录在笔记本上,寒假后到三月底刷朱伟的恋练有词。三月后开始早上背诵单词,白天全天到晚上都在看专业课。五月份开始早上背单词下午做真题,主要做阅读理解,说实话一开始做内心是崩溃的,因为阅读理解一般出错率保持在百分之80左右,就是一篇阅读理解五个题对四个,四个对三个左右,这时候我就不再单独拿单词书背单词了,主要是拿张剑的黄皮书刷真题刷单词。黄皮书的阅读理解分布是左边是英语全文,右边是中文译文,我就对着中文翻译将原文中的英语单词标出,还有重点记的是黄皮书每篇阅读后的注释。第一遍阅读做完是暑假开学前。没有认真分析阅读出错的原因,因为觉得主要原因在于不认识单词不懂单词在原文中的意思,长句读不下来,往往是读到后半段前半段的意思就忘了。所以这一遍做的目的主要是体验真题,积累单词、短语。第二遍刷真题是在暑假,有了前两个月的积累,这一遍效果有好很多,最起码每篇阅读错得没有那么多了,少的错两个,多的错三个。有进步总归是好的,我仍在坚持从真题里背单词、短语。第二遍结束是七月中旬,第三遍是从九月到十月,这一遍我开始认真总结出错原因,分析出题思路,但是还是没有动手整理错题和单词,还是重复记单词,读阅读理解原文。第四遍是十一月,这一遍每天下午按照考场的题量,做至少四篇阅读并完成改错,整理仍然不会的单词,第二天早上,首先复习昨天整理的内容,下午继续做题、整理。十二月,阅读仍坚持在做,作文加大力度,认真看了历年真题的作文,试着自己写,但发现语料很不足,于是买作文预测书,参照何凯文英语作文冲刺讲义,认真准备写了十篇左右,开始重点背诵。此时,单词、短语都在重点背诵自己整理到笔记上的内容。说实话,模拟题我并没有做很多。
考研专业课方面:
数据结构是计算机科学的灵魂。理解并熟练掌握各种数据结构如链表、队列、栈、树、图等,以及它们的操作(插入、删除、查找)至关重要。要深入理解这些数据结构的时间复杂度和空间复杂度,这对优化算法设计有决定性影响。我在学习这部分时,经常凭编写代码来实践,这有助于加深理解和记忆。
算法是解决问题的核心工具。排序算法、搜索算法、图算法等是常考的内容,比如快速排序、归并排序、二分查找、Dijkstra算法等。我建议凭做题来提高算法能力,LeetCode、HackerRank等在线平台提供了大量的练习题目,既检验理解,也锻炼编程能力。
再者,操作系统是连接硬件和软件的桥梁。进程管理、内存管理、文件系统等内容需透彻理解。尤其是进程间的通信机制、虚拟内存管理和磁盘调度策略,这些都是常考点。理解这些概念,不仅对应试,对未来研究也会有很大帮助。
计算机网络则是计算机世界的血脉。TCP/IP五层模型、HTTP协议、DNS解析、网络安全等问题要清晰把握。我建议凭实际操作,例如使用Wireshark抓包分析,来直观地理解网络的工作原理。
在学习过程中,我坚持每天定时复习,定期进行模拟测试,保持对知识的持续接触和应用。我也积极参与讨论组,和其他考生交流,从他们的疑问中找到自己可能忽视的知识点,从他们的解答中获取新的思考角度。阅读经典的教材和参考书,如《计算机网络》(Andrew S.Tanenbaum)、《算法导论》(Thomas H.Cormen)等,也是提升深度的重要途径。