凌动魅力

Tag: 考研 (page 1 of 2)

倒数第208天 北大暑期班

和家人商量了下(毕竟需要厚着脸皮要钱),报了【北京大学暑期课:ACM/ICPC竞赛训练】,学费¥1000,接下来就是解决住宿问题,要是能抢到宿舍还好,抢不到住宿费就夸张了。

学完《日常思考的科学》第四章-直觉与理性,俺自认为是理智之人,结果选择题错了一半,难道是用英文字幕的缘故?

电子科大周涛教授2天后总算回复了俺的考研咨询,Email原文:

周涛老师您好:

首先请容许做个简短的自我介绍,我是四川师范大学大三在校生,文科,从小受家族理工文化氛围的熏陶,虽然所学专业与计算机毫无关联,却对计算机和互联网有着浓厚的兴趣。在大二我意识到,与其在不喜欢的专业上浪费时间,不如去追寻真正所爱的东西,于是打算跨考计算机。

先前我咨询过电子科大的一位老师,他向我推荐了您,并说是四川最年轻的教授,在大数据和数据挖掘这块儿有着杰出的成就。在查找资料时意外发现我早就读过您的译作——《大数据时代》,而且我不仅自己读,还买来送给周围对互联网、对当今这个变革的时代有着的强烈好奇心的朋友,让他们也能从书中受益。我坚信数据科学在未来会有更巨大的社会意义,因此十分渴望获得系统化的专业知识。

这次咨询主要有两个目的:
一是了解老师您接不接受不同专业背景的学生;
二是虽然我具备一定的计算机基础,但仍知道非专业学生在知识的系统性上存在劣势,因而想了解老师您需要具备何种知识/技能的学生,接下来的211天好更有针对性地学习。

在《环球科学》“2014年全球创新调查”专题中有说到科技创新的重要支撑点——科研环境的多元化,即如果一个科研团队由来自不同地方、文化背景、专业、民族的成员构成,而且每个人都能充分自如地发挥作用,那么这个团队的创新能力往往比同质化的团队更强。这不仅因为不同背景可以带来不同信息,更重要的是,成员之间不同文化背景产生的文化交流与碰撞,往往会碰撞出石破天惊的思想火花,产生令人意想不到的“化学反应”,让科研工作取得惊人的结果。

我想通过自己的努力进入老师您的团队,带去与理工科学生不同的思维和视角,而若老师您因名额宝贵不愿接受我这种专业不对口的学生,我依然愿意报考和您同个团队的其他老师。

非常期待您的指点,另感谢老师您抽出时间阅读这封邮件。

王礼宏

但周教授回复得很简略,只解答了俺第一个问题:

我们很欢迎不同专业口的,实际上我们实验室的学生和老师包括了:
计算机、物理、管理、教育、数学等多个口

可能因为俺考研八字都没有一撇,能不能考上都是个问题,所以语焉不详。俺就周教授的回复请教了刘辉华老师,他说

写得挺好的,最好能够约个他方便的时间,去面谈下,加深印象,或听他建议。他们都很忙的,你可以写写你面临的一些疑惑,希望能得到他的一些当面点评等等,主动出击。

积累词汇2623个。

倒数第210天 联络导师

已经发了封咨询邮件给电子科大的周涛教授,忐忑等待答复中。

其余时间做了周一要讲的“战争片”的演示文稿,又去准备了明天大学最后一科笔试《形势与政策》的资料。

积累词汇2542个。

倒数第211天 希望

刚从电子科大回来,趁记忆还热乎,赶紧打开微博开始记录。

昨天俺的导师倪梅问俺,明晚有没时间,电子科大有场音乐会,于是就有了今天的电子科大之行。

听完中央歌剧院的音乐会,和倪梅老师引荐的电子科大老师谈完已经晚上十点过,总结一下老师的指点:

1)尽早联络导师,诚恳说明自己的情况,看老师有没招收的意愿,这样做的目的是少走信息不对称的弯路,因为老师的名额有限,如果冒然报了导师,复试时不一定被接受,白白浪费时间;

2)联络导师之后可以去蹭他的课,现在大学缺课严重,勤奋好学可以给老师留下好的印象,如果老师有了印象,那么复试时就能提供方便;

3)选择年轻、有海归背景的老师,容易说话,能经常见到人,要是出国还能获得推荐;

4)根据导师的方向有针对性的学习,数学很重要,不要轻视复试;

5)学校会存在”内定”现象,如果导师没有名额了,可以曲线救国,报同个团队的其他有名额的教授;

在谈话中意外还得知倪梅老师在电子科大旁边就有房子并愿意提供给俺居住,如此甚好!俺准备下学期开学就搬过去住,上上课,熟悉熟悉环境。虽然本科来到了川师影视这所坑爹学校,但学校里的老师有的还是非常不错的,如此提携俺简直受宠若惊,感觉不努力奋斗也太对不起老师的一番苦心了。

积累词汇2503个。

倒数第248天 C语言学习深度

跑去电子科大初始群里去问学习C语言要学到什么程度,前辈说:

c标准库常用函数会了就行,图形交互那些不是标准库。链表、栈、队列、树涉及到的算法掌握 了就差不多了,图的算法知道思想 会画图也差不多了,还有排序算法,能够默写。

好,那么俺当前学的已经差不多了,接下来就是抓数学和把学到的C语言结合数据结构与算法应用起来。

考上电子科大的2015届前辈平均分都338.3,俺要加油了!

倒数第284天 来自学姐的指点

今天在中科院计算所考验交流群里碰到一位考清华的热心学姐,请教了计算机考研的许多问题,整理如下:

资料购买

考研数学就抓住高数(有的学校叫工科数学分析,内容一样)、线性代数、概率论与数理统计这3门看。复习资料可以选李永乐系列、汤家凤1800题、李正元全真模拟经典400题、张宇预测套卷及真题,有时间当然可以都做,没时间就做1800题。

专业课买王道和天勤的复习资料,学姐说文都的出得没水平,不推荐。近年来专业考题难度越来越高,一道大题综合了组成原理、操作系统等。数据结构通常都要求C/C++,少部分可以使用Java,没见过可以用Python的。

政治可以考虑肖秀荣、任汝芬或蒋中挺的,都比较有名。

复习顺序

数学在整个考研计划中应该优先复习,先高数,再线代,最后来看概率论。后两门在试卷占比44%,最好不要丢分。高数的课后题尽量都要做,线代和概率论没必要做,太简单了,考试也不会考。

专业课先看数据结构 、然后组成原理和操作系统,最后是计算机网络。算法导论没有太大必要看,复试前再看编译原理,这些书可以先放一放,以教材为主。

政治题量和难度都不大,即便过了暑假看也不迟。

英语俺没有问,俺是文科生,英语不算弱。

考试

报考学硕,没考上可以再调剂专硕,但反过来不行。

初试成绩出来了需要提前联系联系导师,项目经验在复试中会有要求。


昨天还在想情感与个人风格问题,今天就意识到想多了。

学了《近世代数》子半群、子幺半群及例子,听得迷糊,老师让下去证明,根本不会- -|||
已积累175个6级词汇。

倒数第300天

了解了下读硕士的各项政策,如通过夏令营获得名额,但是会要求本科时的成绩与名次,俺一个跨专业考研的人哪来的名次与成绩?还要正副教授的推荐信,嗯,学院里的教授一只手能数过来。
此路不通,还是安安静静考研吧。

倒数第331天 数据结构考研大纲

已制作为思维导图,分辨率300*300,建议右键另存为本地查看。

Continue reading

倒数第332天 考研准备工作

今天主要在完成考研的准备工作,实际上这些准备工作早该在有考研意向时就完成,所谓谋定而动嘛:

比如俺的目标就是普通硕士、 脱产研究生、非定向培养,走全国统考。属于跨专业考研,报考计算机科学与技术硕士,现在还没决定是选理科还是工科。这个步骤是决定方向。链接里的考研常识适用于大多数情况,但具体仍要视学校招生简章。

主要是了解题型的设置和重难点,这个步骤是为怎样学习做准备。

作用同上,此外还建议各位找找组织,也就是各个专业的考研论坛啊、群啊~免得闭门造车,同道之间有个交流总归不错。

  • 梳理,制定计划

每个人的情况天差地别,任何人的经验都不能完全适合第二个人,因此一定要做一个契合自身的计划,另外,有计划还有变化,所以在制定计划的时候,就要考虑会发生哪些情况,如娱乐、事务和意外耽搁的时间,给出Plan B,如果计划得太死,不仅会执行得很累,也坚持不了多久。拖延症患者最好给自己找个监督者。

倒数第334天

从今天起将正数的考研日记改为倒数,增强紧迫感。

瞅了瞅微博里悄悄关注的人,以前喜欢过的姑娘又交往起了第N个男友,感觉不难受,只是挺感慨,年纪差不多,人生的境遇完全不一样呢,这个阶段是女孩子最丰富多彩的时期,对于俺呢,又是人生积淀期,不得不沉默呢~

每天的学习计划得挺好,但老是有变故,想了想,一方面是执行力不足的原因,另一方面计划得太死,没有给出容错空间(Plan B)。

看书看困了就睡,从微博转移到博客的好处是能节省更多的时间,没有繁杂的信息流,异常清净。

对了,昨天还在和俺妈大吵谈恋爱的事情,今天老爸居然表示支持俺谈恋爱!!!太阳西边出来了!

考研日记D1 CS学生的数学学习

浏览了电子科大几乎所有的CS专业,对考研数学的要求都是301,和数学专业的难度一致。

国内高校的CS专业会教授如下几门数学课程:

  • 高等数学(微积分)
  • 工科数学分析
  • 离散数学
  • 线性代数
  • 概率论与数理统计

高数和工科数学分析通常不会同时出现,俺翻阅了两门课的目录,绝大多数重合,都是函数、极限、导数、微分、不定积分、定积分、微分方程,连学习的顺序都一样!难度上感觉工科数学分析的难度要小一些,中国大学MOOC上今天这门课刚开。

俺在网上检索了“CS学生数学应该学到什么程度”,下面直接援引果壳上前辈的回答

本人是数学系的, 但其实真正的爱好是计算机. 当年报志愿的时候不知听谁说了句, 学计算机, 想搞软件就去学数学, 想搞硬件就去学物理, 然后就报了数学. 在数学系, 感觉思维确实受到了训练, 但所学的课程却大多与计算机没什么”直接”联系. 要真的搞计算机, 还是需要自己多折腾计算机的课程, 还有多实践. 其实我觉得在计算机中用到数学, 主要是设计,选择和分析算法的时候会用得到.如果你只是想”设计”好的程序, 可能并不需要太多数学. 但是要是想成为计算机科学者或工程师, 恐怕还是要学一学数学的.

首先谈谈应用比较广泛的基础课:

像大家提到的微积分, 线性代数,概率论,数理统计, 随机过程什么的都是基础中的基础, 在各个学科中都有着广泛应用的.

微积分除去作为 “基础” 的作用不谈, 在用计算机建立模型的时候常常会用到.

线性代数就更有用了, 像著名的 page rank 就是特征值理论的一个重要应用. 很多问题最终都能化为求解线性方程组问题(例如, 用有限差分法或有限元法解偏微分方程, 用最小二乘法求最佳逼近,等等). 线性代数知识还常在机器学习或数据挖掘中被用来降低数据的维度. 还有很多其他的应用.

概率论,数理统计,随机过程在最近的人工智能的各个领域则是非常重要的基础, 很多机器学习算法都是基于统计模型的, 像 Bayes 统计什么的应用极为广泛(例如垃圾邮件过滤.)

离散数学和数值分析什么的和计算机的关系就比较容易看出来了. 离散数学不同的书选取的内容不大一样, 不过一般都有逻辑阿, 图论阿, 有的还有自动机什么的, 一看就和计算机关系紧密. 数学理论大多是抽象的, 想在计算机上用就离不开数值分析了; 用数值方法解一些无法求出解析解的方程也很有实用价值.

再谈谈和不同专业相关的数学知识:

像是信息安全, 编码方面的, 数论知识自然不可缺少, 建议多学一些代数知识, 也包括代数几何啊什么的. (复变函数什么的都是基础啊….)

像是(离散)算法方面的, 可以学学 Knuth 的具体数学, 另外还得学些运筹学, 图论, 组合数学什么的.

像是图形处理方面, 恐怕就需要很多几何知识了, 学几何这玩意代数和分析都得好, 像解析几何, 射影几何, 微分几何, 黎曼几何, 代数几何, 拓扑学呀都在这个领域用的上. 还得熟悉样条理论, 曲线与曲面的表示啊等等.

图像处理, 也需要不少数学. 最近利用偏微分方程,反问题啊来研究图像处理的很热门. 还有傅立叶分析, 小波分析呀都很有用.

人工智能相关的话, 得把概率, 统计, 随机过程什么的学的更深入一些.

总结来说就是俺刚列出的那几门课,尽可能学!另外,俺最近在网易云课堂上发现了一批空前强大的计算机专业课程,简直欣喜若狂,如果能早点有中国大学MOOC,想必俺今天的计算机水平又是另一番光景~

课程表

咳咳,牛皮不吹大了,老老实实学习去。

Olderposts

Copyright © 2017 凌动魅力

蜀ICP备15003767号-1 Up ↑