重点阅读参考书籍与资料

核心教材：专业课复习以周志华《机器学习》（西瓜书）为核心，重点掌握监督学习、无监督学习、神经网络及集成学习；搭配李航《统计学习方法》，深化对支持向量机、隐马尔可夫模型等算法的数学推导；辅以《深度学习》（花书，Goodfellow著），补充卷积神经网络与循环神经网络的前沿知识。

辅助资料：必读《人工智能学报》《IEEE Transactions on Pattern Analysis and Machine Intelligence》中关于“计算机视觉”“自然语言处理”的专题论文，结合武汉大学计算机学院导师关于“机器学习理论”“智能系统”的研究成果积累案例；关注历年真题中的推导题（如“梯度下降法推导”）与应用题（如“CNN图像分类”），把握“数学基础+算法应用”的命题风格。

专业课复习方案与答题技巧

复习方案：基础阶段（3-6月）通读《机器学习》与《统计学习方法》，建立“数据预处理—模型构建—损失函数—优化算法”的知识框架，重点掌握“极大似然估计”“反向传播算法”等核心概念；强化阶段（7-9月）针对“深度学习模型”与“强化学习”，结合《机器学习》习题进行专项训练，重点攻克“SVM对偶问题推导”“LSTM网络结构”；冲刺阶段（10-12月）模拟全真答题，重点控制推导题的数学严谨性，确保答案“公式准确+逻辑闭环”。

答题技巧：推导题需“目标函数+优化方法+数学推导+结论”，如推导“逻辑回归梯度”时，需写出损失函数，运用链式法则求偏导，得出梯度更新公式；应用题需“模型选择+数据预处理+训练流程+评估指标”，如分析“图像分类”时，需选择“ResNet”模型，说明“数据增强”“交叉验证”等步骤。

备考助力推荐

人工智能数学要求极高，自学易陷入“公式推导卡壳+模型调参无思路”的困境。新祥旭考研全科定制辅导课程，拥有武汉大学计算机学院直系学长学姐一对一指导，能帮你梳理机器学习与深度学习核心算法，传授“数学推导逻辑+模型应用模板”，精准把握人工智能专业综合科目高频考点。咨询电话：400-000-3363。