之前在王道论坛看到有人分享计算机考研复试的攻略，我觉得还不错，因此分享给大家：

作者：mousecpn

http://www.cskaoyan.com/thread-655164-1-1.html

本人就读于广东某中流985，本科机械工程，初试成绩，政治69，英语74，数学135，专业课121，总分399，初试排名第二，总分排名第三。我整理了一点我自己复试时用到的一些资源，供大家参考。

我觉得如果我只是简述我复试的经历，那么我能说到的东西其实和其他帖子完全一样（而且老师也没为难我，所以更没东西说了）。所以我下面要阐述的，是复试这个期间，如何准备。首先明确一点，无论初试考得好还是差，复试都要全力以赴准备。有些经验贴可能建议如果你觉得自己不稳，出了成绩再准备也不迟，但我不建议这样。要做就要全力以赴，犹豫就会败北，所以我的复试是从考完研的第三天开始准备的，那么距离复试我就有整整三个半月的时间去准备，这已经是一个非常非常多的时间了。那么在这三个半月的时间我们需要做什么呢？第一，决定自己的研究方向，分为网络方向和CV方向，这决定了以后你跟哪一个导师。CV方向的可以进机器人实验室、数字媒体实验室这些地方，而网络方向的可以进互联网中心。这里先讲CV方向的朋友。如果是跨考的同学，没有相关的经历，又急于给自己的简历丰富一些内容，可以学习上面的网课，然后把学过的网课写进简历。同时，网课里一些有水平的作业，也可以包装成项目写进简历里面（我就是这么干的）。就机器学习而言，这里提供两种不同风格的学习路线。学习路线1：机器学习【吴恩达】→机器学习基石【林轩田】→机器学习技法【林轩田】→深度学习专项课程【吴恩达】里面的【卷积神经网络】和【序列模型】→机器学习并使其有深层结构【李弘毅】→keras教程+python深度学习【弗朗索瓦·肖莱】学习路线2：机器学习【吴恩达】→深度学习专项课程【吴恩达】→keras教程+python深度学习【弗朗索瓦·肖莱】学习路线1能够把基础打牢固，但是耗费时间长。学习路线2耗费时间短，基础不牢固，对于数学原理可能一知半解，但能够很快出成果（小项目）。至于走网络路线的朋友，可以考虑学一下比特币及数字货币技术【普林斯顿大学】和爬虫课。顺便说一下，机器学习相关的项目会更能够引起老师的重视，像爬虫这些小项目，如果不是很厉害，基本都会被嘲讽。第二，你需要制作简历和个人陈述。简历你打印过去面试是没用的，因为老师不收，所以简历的作用在于你发邮件找导师的时候有作用。个人陈述比简历重要，因为个人陈述和成绩单需要你复试前寄过去给招生办，然后面试的时候，老师所能知道的信息就只有你的成绩单和个人陈述，所以会对你在个人陈述上面写的东西（学过的课程、打的比赛、做的项目）进行提问，80%的人都会有个人陈述问，所以个人陈述极其重要。所以写在个人陈述上面的东西，无论是课程、比赛还是项目，所有细节都要一清二楚。用这样的思路去准备就更加有着力点，你的复试复习范围就不是海阔天空了，你的个人陈述上写了什么，你就准备什么。没提到的，就可以不怎么准备。第三，重新复习408、面向对象编程和数学。但是这一次复习和初试的复习又有所不同，老师不会让你在面试的时候做一些非常复杂的运算（因为面试只有20分钟，而且严格控制时间），所以涉及到复杂运算的题都可以不做（像os的什么各种调度方法下进程的运行顺序之类的）。复试主要考察概念为主，所以所有概念、定义一定要记得一清二楚，比如特征值和特征向量是什么、多态是什么、手机cpu和电脑的cpu有什么差别（这是我抽到的题）等等。今年没笔试，但是！！！如果有笔试，那么复习的方法就要和初试的复习一模一样了。第四，如果有机试，上面三点都可以放一放。因为机试一道都没过，是没办法参加后面的复试的，所以oj的训练应为最优先。第五，成绩单。成绩不好的一定会被怼，这是绝对的事情，所以如果你有挂科或者某科六七十分的情况，一定要想好理由，为什么学得这么差。我绩点挺高的，所以没被怼。第六，英语口语，我觉得很多人会非常害怕这一环节，但实际上重要性很低。自我介绍的时候很少会被打断，介绍完之后也只是问一个问题，而且很简单，类似于“你怎么来的？（坐什么交通工具）”“介绍一下你的学校”等等。真的担心的话，每天早上晨读30分钟练一下连读和失爆，连三个月，还不飞天？复试当天早上八点，会让你集中来签到，复试顺序今年是按照初试排名，我是第二个。自我介绍环节：进去坐下就是自我介绍，自我介绍结束后，会问一个英文问题。抽问环节：桌子前面会摆着四个信封，算法、计算机基础、数学、开放题，然后可能是老师让你抽，有可能是你可以自己抽，但建议都准备。提供了纸笔供你作草稿，题目不难，但最好想清楚再回答。个人陈述问环节：针对个人陈述上面写的东西问一个到两个问题，这个时候一般来说还剩下两到三分钟，所以再为难也不会为难到哪里去。成绩差会被怼（再次提醒）。

机器学习：网课：机器学习【斯坦福大学 吴恩达】： 

https://www.coursera.org/learn/machine-learning?skipBrowseRedirect=true&skipRecommendationsRedirect=true&tab=completed

这个应该不用多说了。

机器学习基石上【台湾国立大学 林轩田】： 

https://www.coursera.org/learn/ntumlone-mathematicalfoundations机器学习基石下【台湾国立大学 林轩田】： 

https://www.coursera.org/learn/ntumlone-algorithmicfoundations机器学习技法【台湾国立大学 林轩田】： 

https://www.bilibili.com/video/av36760800?from=search&seid=3745107894796847859

田神的课，相比比吴恩达的课，更偏数学底层一点，搭配西瓜书效果极佳。请务必要全部把作业做完，作业做完了才能算懂。【机器学习技法】的作业百度百度可以找得到。

书籍：数学之美【吴军】机器学习【周志华】统计学习基础【李航】深度学习和计算机视觉：网课：深度学习专项课程【吴恩达】： 

https://www.coursera.org/specializations/deep-learning?机器学习并使其有深层结构【台湾国立大学 李弘毅】： 

https://www.bilibili.com/video/av35757082?from=search&seid=4937220629140012578

吴恩达的课一如既往地不讲数学推导只讲应用，不想了解太深的话吴恩达就够了。如果还想深入了解的话，李弘毅老师绝对是首选，老师上课实在是太好玩了。记得一定要做作业，作业可以当成项目写进简历里。

tensorflow教程【莫凡】： 

https://www.bilibili.com/video/av16001891keras教程：

 https://www.bilibili.com/video/av23035841

先学keras，先学keras，先学keras。tensorflow的操作太劝退了，很多时候keras就能解决大多数问题了，先学keras的话也有助于入门tensorflow。tf教程，有余力就学。

书籍：python深度学习【弗朗索瓦·肖莱】深度学习（花书）【Ion Goodfellow】

花书有余力可以看一下，【python深度学习】的话非常推荐新手入门，如果你不想看上面那个长长的keras视频教程，这本书或许是一个非常好的替代品。

区块链：比特币及数字货币技术【普林斯顿大学】： 

https://www.coursera.org/learn/cryptocurrency?skipBrowseRedirect=true&skipRecommendationsRedirect=true&tab=completed

因为我走的是cv方向，所以并不知道网络方向学什么比较好，但我曾经修过这门课，讲得非常非常好，唯一的问题就是课程是全英的，没有中文字幕。记得做作业，作业要求有java基础。

爬虫： 

https://www.bilibili.com/video/av19057145?from=search&seid=7094279755712316950

爬虫的课程估计通街都是了，但是我觉得这个算是讲得比较好的了。

简历、个人陈述制作、给导师发邮件：

https://www.bilibili.com/video/av20718742?from=search&seid=13322198554319219321

这里其实是给保研用的，所以有些讲的东西不一定很适用，可能自己要调整一下。

英文自我介绍【新东方李旭老师】： 

https://www.bilibili.com/video/av28367991?from=search&seid=5988649276846023393算法：网课：算法part1【普林斯顿大学】： 

https://www.coursera.org/learn/algorithms-part1?skipBrowseRedirect=true&skipRecommendationsRedirect=true&tab=completed算法part2【普林斯顿大学】： 

https://www.coursera.org/learn/algorithms-part2

考完初试的话就不用再听课了，直接去做作业，作业的质量非常高，需要有java基础。全英劝退警告。

书籍：算法导论编程之美

这两本书有余力就看吧。

机试：百炼oj： 

http://bailian.openjudge.cn/

计算机考研QQ群，很多大学的计算机考研/软件考研资料（见群文件）

群号是 954288959

您还可以在以下平台找到我们

你点的每个在看，我都认真当成了喜欢