主页 考研百科知识 考研专业指南 北京工商大学计算机科学与技术考研辅导班:北工商数据科学与人工智能学部计算机科学与技术考研经验复习指南

北京工商大学计算机科学与技术考研辅导班:北工商数据科学与人工智能学部计算机科学与技术考研经验复习指南

北京工商大学计算机科学与技术考研辅导班详情

北京工商大学计算机科学与技术考研辅导班为报考北工商数据科学与人工智能学部计算机科学与技术的学员提供高质量的考研培训课程,根据个人情况定制复习知道方案,全程监督管理,随堂作业布置,模拟实战预测。依托多年经验积累,为学员提供实用的北京工商大学计算机科学与技术考研动向与相关资源!

参考资料与教材节选

《北京工商大学计算机科学与技术考研重点考察内容高效记忆》

《北京工商大学计算机科学与技术考研命题人强化考点300条》

《北京工商大学计算机科学与技术考研高分大串讲权威讲义》

《北工商数据科学与人工智能学部数据结构考研必修12课》

《北工商数据科学与人工智能学部数据结构考研高分必背知识精华概要》

《北工商数据科学与人工智能学部数据结构考研应试深度辅导与解题指南》

注:具体教辅材料以实际为准。

辅导师资安排节选

衡老师 授课时间:每周日7:51-15:16

郏老师 授课时间:每周一8:46-19:04

严老师 授课时间:每周日8:33-17:34

毋老师 授课时间:每周日8:46-21:29

时老师 授课时间:每周二10:39-17:55

荀老师 授课时间:每周六7:28-15:39

注:具体时间以师生实际商议为准。

考研经验复习指南

考研英语复习经验概要

我给你们讲讲英语里的套路哈。①先说单词吧,啥也别说了,万丈高楼平地起,重在牢牢打根基哇。单词就使劲背吧,我背过陈正康,背过金凌虹,背过朱伟,以及自己整理的真题单词。我推荐大家跟着朱伟背他的《练练有词》,第一遍虽然有些费时间,不过记得会比较牢,我现在有时候还能想起来朱伟的一些记单词的方法。你们一定要自己整理真题单词,然后反复反复的背。真题单词真的超级重要的,因为一般阅读里的词都会反复出现的。最后呢,我推荐背单词的时候,你制定一个计划,按照艾宾浩斯的遗忘曲线,背一背重复再看看再背新的这样的,滚动着背,会记得比较牢固。②再说说大阅读。真的把单词记得差不多了,把套路学会了基本上ok,最后不会错几个的。书的话我用了两套,张剑的黄皮书,和陈正康的书。学习阅读时最重要的就是仔细,认真。我是三月就开始做真题了,把每一年的每一篇阅读里的每一个句子都翻译了,这样既可以充分理解文章,而且在你翻译的过程中其实顺便就把长难句搞定了,这样对翻译题也有好处的。你们别着急,阅读一定要打好基础呀,哪怕开始一天一篇半篇的都没关系,一定要好好搞明白了。我一共刷了三遍真题,每次都有不一样的感觉,从真题里感受套路,掌握出题人的意图和陷阱。③再说作文,作文我准备的比较晚,大概十月底才开始,背了些大作文小作文,不过记得都不深用起来也费劲,好在最后自己总结出了一套大作文救命模版,超级好用,考试的时候直接就用了,和王江涛那种市面上大家都看的作文书还有区别。不过小作文还是要学一学的,起码格式和开头结尾的套话要背的。对啦,你们在准备作文的时候,不要只背,一定要自己下手练练的,自己定时间写一写。④剩下三十分是翻译和新题型还有完形。

考研数学复习经验概要

考研数学中有部分章节是比较难的,深究下去都很复杂,但是考研几乎不考这些陈旧的内容了,学习这一块量力而行。

一、数据结构基础知识的掌握

1.线性表:要熟悉顺序表和链表的实现和应用,包括插入、删除、查找等操作,还要了解静态链表和循环链表的特点与用途。

2.栈和队列:需要清楚掌握栈和队列的定义、基本操作和应用,如合并有序链表等。

3.树:对于二叉树、赫夫曼树、排序树、平衡二叉树等都需要有深入的理解与应用,包括遍历、查找、插入、删除等。

4.图:需要掌握图的存储结构、遍历算法(如深度优先搜索和广度优先搜索)、最小生成树、最短路径等基本概念和算法。

二、算法设计与分析

1.递归与回溯:需要针对递归和回溯算法的思想、特点和常见应用进行学习,并能够熟练解决相关问题。

2.排序算法:对于各种常见的排序算法,如冒泡排序、选择排序、插入排序、快速排序、堆排序等,需要清楚掌握其基本思想、实现过程和时间复杂度等。

3.查找算法:对于顺序查找、二分查找、分块查找、哈希查找等,需要熟悉其实现原理和应用场景。

4.图算法:应重点掌握最短路径算法(Dijkstra算法、Bellman-Ford算法)和最小生成树算法(Prim算法、Kruskal算法)的思想和实现过程。

三、数据结构与算法的实际应用

1.数据结构的选用:需要根据具体问题的特点和要求,合理选择适用的数据结构,并能对其进行实现和操作。

2.算法的优化:在解决实际问题时,需要思考如何优化算法的时间复杂度和空间复杂度,提高算法的效率。

3.应用领域研究:可以了解一些与数据结构和算法相关的实际应用领域,如图像处理、模式识别等,以增加对数据结构与算法在实际问题中的理解和运用能力。