前言

首先自我介绍一下，我来自南京某双非学校。大一裸考过了四六级(584&497)，参加过一些数学竞赛&算法竞赛，获得过还不错的奖项，因此个人基础尚可。初试总分390（政治69，英一76，数一125，专业课120），排名6/20。
随着今天未拟录取名单的公布+个人的电话确认，长达7个月的考研生涯也算是正式落幕了。
十分感激南大CS&AI的学长学姐们在github无偿维护的wiki（https://github.com/nju-kaoyan/nju_csai_kaoyan），在备考期间给予了我许多帮助。因此想留下一篇经验贴，不仅作为考研路的收尾，也希望能为后来考研的朋友们提供一些微小的帮助。

数学

数学我是从暑假结束、8月底回学校才开始正式准备的（因为一直不允许返校，怠惰的我就在家从寒假玩到了暑假结束orz）。复习过程大致为：8月底到9月20左右，一天12h刷完了李正元的复习全书（强推）；9月20到9月底，根据全书的知识点，边记忆边整理了详细笔记；10月初到10月25左右，写完了880所有强化部分习题并二刷了一遍错题；之后就雷打不动每天一张真题/模拟卷一直到考前，大概有张宇8+4、李林6+4、李永乐6、汤家凤8、李正元300题、合工大超越5套卷。（除了汤的卷子，其他都还可）
数学给我的感受就是，打牢基础+多刷高质量好题，另外不要轻视线代+概率（我数学25分基本都是扣的线代概率orz）。

专业课

专业课我是从9月20左右才开始复习。9月20到10月初刷完了王道的数据结构（知识点+选择题）；国庆剩下的时间看了一遍黄宇的《算法设计》（重点是动态规划、NP问题两块部分）；国庆之后到10月末粗略刷了一遍AIMA和西瓜书前9章，其中AIMA重点是搜索（3到5章）、逻辑（7到9章）、概率（13到14章）、学习（第18章），西瓜书每一章的基础概念了解清楚即可；10月剩余几天还抽空看完了概率统计（我用的傅书）的参数估计和假设检验，并稍微做了做课后习题；11月初到11月20左右，补了一下数据结构殷书上王道没有的知识点，并根据王道+殷书+黄宇算法整理了知识点笔记；之后花了二十天整理了AIMA+西瓜书的笔记+参数估计/方差分析的笔记。
对于AIMA+西瓜书，时间不够的话不用看太深入，但基础概念要记清楚，时间富足者就仁者见仁智者见智了；数据结构+算法，王道（大题个人觉得不用做）+黄宇算法书应该是足够了，重视一下ds的选择题+DP；概率统计基本和数一相差不大，补一下傅冬生书上参数估计+假设检验的大题就行。

政治

这门课我是从10月中旬开始准备的。10月中旬开始，刷一遍1000题的毛概后，觉得效率很低，便开始琢磨着如何投机；10月结束之前，琢磨了两遍近5年真题选择题的风格&答题技巧；11月模拟卷到手之后，就开始反复刷模拟卷选择（每天晚上花一小时），我买了肖8+4、腿姐4、徐涛8；12月肖4到手之后，背熟了四套的大题；
政治这门课我考的比较低，但是我投入的时间很少，取得这个分数也算是比较满意了；个人感觉就是肖8+4的选择题和腿姐的选择题要反复记忆&理解，命中率挺高的，徐涛8不太推荐，有时间也可以做做；大题背一下肖4就行。

英语

英语算是复习的最佛系的了。从10月开始到考前，想起来了就背一背单词（我用的墨墨），另外抽时间做完了近15年的完型+阅读+新题型，考前写了一道翻译和大小作文熟悉一下题型。因为英语基础马马虎虎&一写英语就困，所以英语这块没怎么花时间。
对于阅读，我觉得能读懂文章意思是很重要的，但是对于今年的变态阅读，我也觉得有必要学习一下完全看不懂文章的情况下、如何蒙出正确率尽可能高的答案（逃；对于作文，字写好看一些，多写两个从句，我觉得就算可以了；翻译不知道怎么写，反正今年的我看不懂，有两道也没写。

复试笔试

南大AI的复试笔试是离散数学+机器学习；我是3月开学回学校才开始准备，这里建议早点准备离散，离散东西很多概念很杂而且考的也很难，所以我今年离散笔试应该基本没拿到分orz；今年的机器学习也不知道在搞什么，无语子，写着机器学习的label考了20道数据结构的选择题+一道不知道属于啥学科的问答，不过该准备的还是要准备的。
离散建议找一下南大本科的PPT，有重点地对着屈书进行复习；复试的机器学习建议细看一下，部分重点的数学推导要会（例如SVM的拉格朗日乘子法、KKT条件、PCA特征值分解），概念要十分清晰，即使复试没有考察到，面试老师也会问许多机器学习的相关知识。

复试机试

今年情况特殊，是线上复试，因此今年的机试是和笔试在一起考的，但我想，随着疫情逐渐得到有效控制+全民疫苗接种，今后应该会继续采用线下机试的方法。
个人本科练习过半年左右的OJ，因此有一点薄弱的基础，因此就是在考前临时复习了一下黄宇书上的4道DP例题+一些常见的DP题（01背包、完全背包、LCS、多重部分和问题、LIS、DP计数等等）+一些常用的数据结构和算法（例如并查集、kruskal、dijkstra、快速幂、素数筛、线段数、树状数组等等）。
对于南大的机试，我觉得重点是DP、搜索、图论。

复试面试

面试个人认为可以拆分成英语口语+线代+概率论+机器学习+项目经验+一些其它知识储备。
口语问了我这些问题：

1.本科所学专业
2.毕业后打算
3.兴趣爱好
4.介绍喜欢的电影
5.介绍最近读的一本书

面试：

1.你说你因为喜欢数据结构和算法才选择读AI，介绍一下它们的交集
2.本科有没有做过AI相关的项目
3.SVM为什么要采用对偶问题？（我答：虽然可以通过现成凸优化包求解，但是对偶问题求解更快）
4.为什么更快？（接4中我的回答内容
5.Boosting学习有什么特点？
6.为什么集成学习需要集成“好而不同”的学习器？（接5中我的回答内容
7.解释一下特征值的含义
8.简述一下特征组分解
9.为什么要选取前d大个特征值（接8中我的回答内容
10.你本科是软工的，问一下面向过程、面向对象、面向抽象的区别
11.具体介绍一下你学过的面向对象知识&应用
12.你觉得你本科所学的知识在将来读AI的时候会有哪些应用

南大的老师比较和善，大家不用紧张（虽然全程对我表情严肃，就是无情的问题提问机器orz），好好准备数学&机器学习的知识，不会的答不会即可；by the way，万不得已千万别说自己不清楚的知识点，因为老师很可能会提问/追问。
最后，祝愿大家都可以早日实现自己的梦想！