一、参考书目

数据结构：《数据结构（C语言版）》（严蔚敏，清华大学出版社）。重点掌握线性表、树、图等数据结构的基本概念、存储结构及操作算法。

机器学习：《机器学习》（周志华，清华大学出版社）。深入理解机器学习的基本算法（如决策树、支持向量机、神经网络等）及其应用场景。

计算机视觉：《计算机视觉：算法与应用》（Richard Szeliski，清华大学出版社）。重点掌握图像处理、特征提取、目标检测与识别等技术。

二、专业课复习方案

基础阶段（3月-6月）：构建知识体系

此阶段的目标是全面掌握数据结构、机器学习和计算机视觉的基本概念和原理。建议按照教材章节顺序，逐一学习并整理笔记。对于数据结构，要重点理解各种数据结构的特点和适用场景；对于机器学习，要掌握各类算法的原理和实现方法；对于计算机视觉，要深入理解图像处理和目标识别的基本流程。

强化阶段（7月-9月）：重难点突破与项目实践

暑假期间，要结合历年真题，分析命题规律，重点攻克重难点知识。例如，数据结构中的图算法、机器学习中的深度学习算法、计算机视觉中的卷积神经网络等。同时，进行项目实践，提高动手能力和解决实际问题的能力。

冲刺阶段（10月-12月）：模拟实战与前沿关注

此阶段要进行全真模拟，严格按照考试时间进行答题，训练应试能力。整理错题集，针对薄弱环节进行查漏补缺。同时，关注人工智能领域的最新研究进展和应用案例，为论述题积累素材。

三、答题技巧

算法题：要思路清晰，代码规范。对于复杂的算法，可以先画出流程图，再编写代码。

简答题：要条理清晰，分点作答。例如，回答“支持向量机的原理”时，可以先介绍最大间隔分类器的概念，然后阐述核函数的作用，最后说明软间隔和硬间隔的区别。

论述题：要结合理论和实际，进行深入分析。例如，论述“人工智能在医疗领域的应用”时，可以先介绍人工智能技术（如深度学习、自然语言处理等），然后分析其在疾病诊断、药物研发等方面的应用前景，最后讨论其面临的挑战（如数据隐私、伦理问题等）。

四、推荐辅导课程

新祥旭考研全科定制辅导课程（咨询电话400-000-3363）提供“人工智能专业核心考点精讲+项目实践指导”，由华东师范大学空间人工智能学院导师团队授课，精准对接命题风格，助力考生掌握专业知识和解题技巧。