复试项目

面试

经验1

前言

应很多uu需要，写了一篇粗糙的复试经验贴，希望给大家一点帮助。

笔者24考研上岸北京大学软件微电子学院，诸多经验来自软微的复试经验，前部分优先介绍软微的复试，后面会补充其他学校通用的一些复试环节准备经验，帖子也适用于大部分的计算机考研的复试。在24考研复试中，共7名进入复试的研友，按下述经验进行准备，7人100%全员上岸，有同学的复试问题100%命中（标题党求放过）。希望大家接好运，25考研顺利上岸。

by the way，哪个cs举报我初试经验贴，纯经验分享没引流挣米，也没耽误谁挣米，有必要这么坏吗？？

1.1 时间线（依照去年）

初试结束→2.26出成绩→3.14出复试线→3.25复试→3.28 13：30左右出成绩→3.29 9：00左右录取邮件

（大概是元宵节之后出成绩，然后隔10-15天复试线再隔10-15天复试，所以距离复试时间（1.2→3.25）还有大约3个月时间）

1.2 复试内容

首先分为上午场和下午场，持续3天左右，每个场次分为笔试和面试。

• 笔试是集中举行，也就是上午场所有考生集中在一个教师进行笔试，分发试卷，手写作答。
  笔试内容：2道代码题，1道简答题。
  代码题：ACM模式（自己输入输出，不是lc的函数模式），都是经典题，难度简单-中等。
  简答题：一些业务开发的场景题，涉及数据结构算法，也涉及软件开发的技术栈
• 面试是去各自分配到的教室，按照教室上的名单按顺序门口排队，依次进行面试。时间为15分钟左右
  面试流程：(每个人)
  ①ppt自我介绍（中文）
  ②英语环节：随机提问，有问家常、本科经历，也有ppt上的项目提问
  ③抽题（1，2，3三个信封，你说个数字抽取一个题目）
  ④笔试内容（算法题，简答题）提问
  ⑤随机提问，包括个人经历，专业面经，项目相关，未来规划等等

1.3 准备路线

• 1月-年前：

• • 学习编程语言：如果是纯跨考，可以学习python，为后面的项目做准备。

  • • 部分院校有上机，指定了语言比如C语言。需要花一周左右学习C语言基础，找b站上播放最高的视频直接看就行了，不需要买书。

• • 算法题：

  • • 没有刷过算法题（仅有408的数据结构大题水平）：建议跟着代码随想录刷一遍，前10个题可以看完题目思考一下思路后就看题解，学习一下语言特性，然后看完题解自己默写一遍，并且自主debug（这个过程很重要），学完一个例题（思想、代码模板）就去练习2-3道同类型的题目（leetcode有题目分类）。后续上手后，练习题可以独立思考5-10分钟，然后再看题解，看题解不丢人，算法不是智力题，熟能生巧，先学习方法再练习效率会高很多。
    • 如果有基础：建议上hot100

• 年后（1.25左右）-2.25左右（出成绩）：开始学习python、机器学习、深度学习，为项目做准备。

• 2.25-3.15左右（出复试线）：开始准备项目

• 3.15-3.25（复试）：背面经、模拟面试

1.4 tips

• 机器学习和深度学习的学习，把一些核心的推导自己撕一遍，其他一些传统或冷门算法或者模型建议直接上面经理解，只要不是你ppt上写到的名词，一律交给gpt和面经。ppt/简历上有的，建议花点时间看一下相关论文或者实现代码，保证老师问到，能知其根本。

• 项目固然重要，也并非那么重要。对于跨考，大型项目很大概率吃不透，容易被老师问住，留下不好印象，导致整场面试都被老师“针对”。所以建议大家的学习循序渐进，该手撕的东西还是要潜下心来去理解，敲敲代码，不要太急于求成。我去年其实看了不少东西，甚至陆陆续续准备了5个项目，最后还是选了2个最简单的二分类项目，然后用机器学习算法+大模型微调集成的方法去提高指标，项目一个在kaggle上找的，一个在百度飞桨找的，都是已经完赛的偏入门项目，看了前几名的方案，并自己复现了一遍，然后用gpt理解代码，原理。包装一下简历，模拟面试被同学疯狂敲打项目细节（从项目背景、算法/模型原理、数据集、实现过程、评价指标的原理及如何优化提升、你的创新点和独立思考（重点）这几个方面去准备），最后也取得了不错的分数（以我的背景，83.6其实还不错了）。其他三个没写上去的都是任务量极大，数据集100多个G那种，去复现成本大且能力不够，所以建议大家量力而行，选择适合自己的就好。这里推荐大家的有：大模型微调、ai框架、kaggle/百度飞桨/天池等平台的比赛项目（大于入门级的就行），这些项目一般有公示源码（github、比赛平台）和部分数据集，运气好网上也有对应的讲解资源+文档，好好深挖项目+面经+模拟面试，完全足以应付复试。我个人在有机器学习+深度学习+面经基础上，“背完”一个项目的时间1-2个星期足以，当然模拟面试巩固的时间不算在内。

• 英语口语部分不需要提前准备。复试线出来再准备也来得及。可以花个一下午，搜集一下日常的提问，这个网上都有，然后自己根据自身的情况改写回答。后续每天花个半小时背熟。但是这些其实面试基本问的很少，大部分都是随机聊天，有的老师别出心裁还会用英语问专业问题，比如用英语解释决策树，你的项目、你项目中的某个技术等等，这些不用慌张，都是可以通过模拟面试解决的，凡是可以用中文提问的，在自己小伙伴模拟面试的互相提问中，都可以用英语问问，答的不好没关系，能叙述出来+练习表达时的语速+语气控制就好，亲测非常有效，我们去年老师英语提问基本是全部命中。所以英语这部分不需要提前太多准备，在后面模拟面试再重拳出击。我去年的状态就是从非常蹩脚答的英语，甚至日常回答都不敢启齿的程度，3-4场模拟面试后（给别人提问其实也是提升），到后面项目相关的都能简单作答的水平。

• 简历/ppt一定要做的尽量简洁一点，否则这个第一印象都是败笔，很难高分。点名一下自己，二战的ppt简直一坨（诗人握持），事后想起来都想扇自己一巴掌quq。内容的话要在模拟面试中仔细检查，不要给自己埋下任何坑点。

• 模拟面试流程：每个成员先编号，编号大的给编号小的阅代码题，提问，比如2号给1号看代码题，3号给1号提英语问题，4号给1号专业八股提问，5号给1号随机提问（项目提问）。前两场面试，提问+回答可以提前准备一下

• • 算法题：让代码能力强的研友出3道题1easy2mid，可以1-2道经典hard（dp），30分钟手写完交卷发到群里
  • 按帖子中的顺序进行轮流提问+轮流面试
  • 面试完进行复盘，不懂的当场解决，顺便反馈一下每个人面试可以改善的地方，比如ppt进一步优化、ppt的自我介绍计时（忘记多久了，复试公告里有）、回答的语速、表情，专业问题的答疑等等

• 穿着得体即可，酒店复试时间出来就可以订了，rw这边建议订汉庭/汉庭优佳，注意隔音，保证复试前一天正常休息

• 简答题应该是随机的，比较考察科班的综合素养，这个随缘了，反正不计分，不需要太care。

• 期末周，能想到的就这些了，期末周考完打算建一个交流群，大家在里面互相分享一下复试经验，我也会给大家整理一些有用的资料。

经验2

基础不好尽早备考，大三下基础阶段（重拾数学专业课基础概念），暑假强化阶段（数学专业课专题强化），大四下冲刺阶段（开始政治英语复习，数学专业课查缺补漏，做套卷），利用好每天高效率学习时间，长期计划与短期计划结合，保持作息规律

复试形式：初试60%，复试40%，差额比例1:1.2，复试前需邮寄个人陈述、成绩单等纸质材料，发送自我介绍PPT至指定邮箱 复

试流程： 1.笔试（30分钟）：算法题+简答题（2算法+1简答） 2.面试（笔试结束10分钟后）：自我介绍PPT+英语问答+信封抽题+笔试相关+其他 复试建议： 1.个人陈述：建议包含简单问候，学术背景（本科院校专业，主修课程，均分/绩点，与研究方向相关的选修课程/课外课程，外语水平等），科研项目经历，攻读研究生的学习和研究计划，毕业后的职业目标，总结

2.简历/自我介绍PPT：浓缩个人陈述+简洁的模板，只放想被老师问的，自我介绍PPT建议包含学术背景，竞赛科研经历，校园实践经历

3.联系导师：咨询在读的学长学姐，学校官网看导师研究方向与近期论文，邮件建议包含套磁信，初试成绩，简历，成绩单等，切忌短期联系多位老师，超过三天未回再联系下一位

4.笔试/机试：大多为ACM模式（需要写输入输出），使用C++建议学会STL，课程建议acwing的算法基础课，书籍建议胡凡版《算法笔记》并背诵常见模板，针对不同题型可看代码随想录和labuladong的算法笔记，针对不同学校可看N诺（酌情选择）和各大学校的OJ（virtual judge上搜）

5.英语问答：建议准备自我介绍+日常问题+个人陈述/简历/PPT的内容+计算机专业名词，勿忘练口语

6.信封抽题：建议准备408+软工+数据库+AI+网安（面面俱到并以自己选择的方向为主）

7.笔试相关：笔试结束后想想自己解法的时间/空间复杂度，优化点

8.其他问题：建议每人至少准备一个项目，日常问题表现自己积极阳光的一面 总结：面试不要过度紧张，被问到不会的问题尽力展现自己的思考即可，尽量不要冷场，学会引导老师问自己准备好的问题，别提没把握的，重视模拟面试。

经验3

image-20260129113232450

image-20260129113242117

image-20260129113250084

image-20260129113255704

image-20260129113303450

image-20260129113352991

网站收藏

深度学习

呆博士

想趁着寒假打一场Kaggle竞赛，需要做哪些准备？迪哥梳理最佳学习路线与重点！_哔哩哔哩_bilibili

【kaggle实战】李沐-猫狗品种识别【附代码数据】一小时掌握机器学习算法！_哔哩哔哩_bilibili

kaggle实战的个人空间-kaggle实战个人主页-哔哩哔哩视频

【Kaggle竞赛】17小时居然就学会了Kaggle上最适合新手的十大项目！（机器学习实战/深度学习实战/NLP/人脸识别/金融实战）_哔哩哔哩_bilibili

跟李沐学AI投稿视频-跟李沐学AI视频分享-哔哩哔哩视频

软件安装 | Cursor安装及使用 - 小红书

计算机考研复试深度学习项目的一些经验（3） - 小红书

流风回雪 - 小红书

统计学习方法——李航 笔记-CSDN博客

CSView计算机招聘知识分享

kaggle平台免费GPU使用教程【每周30小时免费GPU】【竞赛学习】_哔哩哔哩_bilibili

一文扫盲Kaggle：数据科学高含金量竞赛 - 小红书

5个月零基础转码（算法）：项目推荐 - 小红书

LLM、Agent、RAG、向量数据库、知识图谱是个啥？ - 小红书

环境配置

算法机试

考公

回馈本组，国考行测76

考公考编摸鱼小组

公务员备考小组

国考省考公务员上岸吧小组

复试内容

• 数据结构（算法）
• 计算机组成原理
• 操作系统
• 计算机网络
  • 面试必备(背)–计算机网络八股文系列-腾讯云开发者社区-腾讯云
• 数据库
• 软件工程
• AI
  • 学习笔记：李航统计学习方法_《统计学习与方法》李航-CSDN博客
• 网络安全
• 八股
  • GitHub - huihut/interview: 📚 C/C++ 技术面试基础知识总结，包括语言、程序库、数据结构、算法、系统、网络、链接装载库等知识及面试经验、招聘、内推等信息。This repository is a summary of the basic knowledge of recruiting job seekers and beginners in the direction of C/C++ technology, including language, program library, data structure, algorithm, system, network, link loading library, interview experience, recruitment, recommendation, etc.

学习路线

1. python基础

   实用Python程序设计_中国大学MOOC(慕课)

2. 深度学习

   呆博士

• 🚀 Alex Chen – 基础入门 专为新手设计，用短课时讲透数据处理、基础调参等关键环节，语言通俗、步骤清晰，能帮你快速上手建立信心。 💼 David Lee – 项目与求职导向 前大厂工程师，内容贴近实战。带你完成能写进简历的项目，并讲解面试如何呈现亮点，适合求职阶段重点跟随。 ⚙️ Max Wang – 工程与部署深化 专注LLM部署、性能优化与踩坑经验，涉及vLLM、GPU优化等硬核内容，适合有一定基础后深耕工程落地。 🧠 Andrej Karpathy – 体系与底层认知 OpenAI创始成员，帮你从根本理解LLM训练与运作逻辑，建立系统知识框架，适合愿花时间构建深度认知的学习者。 🎯 PewDiePie – 兴趣拓展与启发 以趣味实践激发学习动力，如用多GPU搭建本地AI、组建小模型委员会等，适合作为拓展视野的补充内容。 学习建议： 新手可按基础 → 实战 → 体系的路径推进，工程方向可侧重Max，用PewDiePie保持探索乐趣。