保研导航BAOYAN NAV
保研经验计算机2025 年申请经历

数学跨申计算机:北大软微论文筛与国科大交叉考核

一位985数学学生在大三转向人工智能,完成图像分割第一作者论文经历,最终进入北大软微电子信息硕士。文章保留算法与输入输出训练、软微顶会论文筛、半小时三道跨领域笔试和科研追问,以及国科大双机位线上测试、具体数学题与压力面问题。

带着问题读,更有收获

先看这三点

  1. 软微论文筛需解释张量形状、训练和损失,再提炼创新并提出方法、实验建议,不能只翻译摘要。
  2. 半小时笔试同时出现C/C++图搜索、SQL和Python GAN类定义,往年只练算法不足以覆盖当年变化。
  3. 国科大线上数学与408之后按意向院所面试,压力问题会追问交叉定位和创新点;项目须能解释每个细节。

作者背景

本科学校
中等985院校
本科背景
985
本科专业
数学
成绩 / 排名
前2%
英语成绩
CET-6 604
科研与论文
图像分割方向第一作者论文经历
最终去向
北京大学软件与微电子学院电子信息硕士
申请年份
2025

背景与人工智能方向

作者本科为中等985院校数学专业,排名前2%、六级604,有一篇图像分割方向第一作者论文经历,获数学建模国赛省一等奖和数学竞赛省一等奖。入围北大软微、复旦大数据、上交数学、中科大数据科学与人工智能、人大信息及国科大前沿交叉等项目,2025年最终进入北大软微电子信息硕士。

大三上结合兴趣与未来发展,决定继续学习人工智能。参照同位次前辈和相近背景经历,主要尝试清北、华五。本人更倾向硕士毕业就业,学硕、专硕均考虑,也试报部分直博。选择课题组时进一步了解科研训练、实习安排,再与未来路径对应。

前三年基础与半年科研

大一、大二主要投入数学课程、提高排名,同时参加数学与建模竞赛。大三上联系本校老师进入计算机视觉实验室,用大半年完成图像分割一作论文经历,六级也提升到604。面试准备围绕网络架构、数据集、训练方式、损失函数等细节,不停在论文标题。

算法基础较弱,作者用代码随想录与《算法笔记》搭知识框架。LeetCode式练习只需完成类或函数,而许多学校机试要自行处理输入输出,因此训练时单独练习完整程序。5—6月过一遍机器学习、深度学习,也读LLM和多模态等方向的经典论文;数学与408按具体考核安排补充。

申请信息与文书

用截止表记录报名通知,公开经验了解往届题型,与同届同学交流。群聊信息多,作者筛选真正有用的部分,避免把灌水与焦虑当作进展。各校允许申请多少院系和项目,按当年通知管理,不能只凭往年经验。

一页A4简历写成绩、排名、英语、核心课程及科研竞赛、技能,也用于提前联系导师。个人陈述先准备约1500字完整版本,再按校方要求缩减。推荐信邀请大二大三专业课老师及科研导师,提供学业与研究细节草稿,最终由老师审阅确认。

北大软微第一轮:顶会论文筛

初筛给出顶会论文,报告需要说明论文要解决的问题、方法和实验。先弄清前向传播张量形状变化、训练方式、损失函数,再提炼核心创新;还要对方法与实验提出进一步建议。对阅读经验少的申请者,作者建议先读同方向几篇论文,熟悉背景、相关工作、方法、实验、结论的组织结构。

通过后收到线下通知。夏令营第一天下午为导师介绍方向及自我介绍,第二、三天分方向测试,均先笔试后面试。作者据论文筛和现场接触进一步判断方向,而不是只比较学校名称。

半小时跨领域笔试

笔试30分钟完成三道大题:C/C++图搜索、SQL语句、用Python写GAN类定义,分别涉及算法数据结构、数据库、深度学习。往年题只涉及算法,当年变化较大,作者感到时间非常紧。跨专业准备不仅练题型,也需要对课程知识有基本覆盖。

抽题、笔试复问与科研追问

面试先约3分钟自我介绍,英语讲基本情况,中文讲竞赛和科研。随后从信封抽题,作者第一次抽到一位老师研究方向中的陌生概念,说明不会后换题,回答监督学习与无监督学习的区别。与其他同学交流发现,也有人抽到408内容。

老师还追问笔试,包括算法复杂度,让作者重新思考未写出的题。剩余时间主要围绕科研,整体感受不算很压迫。后续与意向导师双选,在参加国科大交叉学院活动时收到软微优秀营员邮件,七月便较早确定了最终去向。

国科大交叉:讲座与双机位线上测试

前沿交叉科学学院先安排联培科研院所介绍,涉及自动化所、计算所、数学所、软件所等,之后双机位线上测试数学与408。数学有选择和解答,作者记住的解答题包括:

  • 用单调有界证明数列收敛。
  • 拉格朗日条件极值。
  • 求线性方程组的公共解。
  • 单位正交化计算。

408主要是数据结构代码题,另有一道计算机组成和一道激活函数问题。线上总分150,作者记录当次120分以上可进入线下考核。

自动化所面试:交叉定位与创新质疑

线下面试由所选院所组织,集中第三、四天。作者选择自动化所,感到压力较大,老师围绕研究兴趣、交叉性与创新性追问:

  • 研究兴趣与前沿交叉有什么关系?
  • 抛开现实约束,最想做怎样的颠覆性研究?
  • 为什么没有获得国家奖学金?
  • 科研项目的创新点是什么,如何回应质疑?

已有软微结果后,作者仍把这场作为理解不同科研环境的机会。不能只靠项目讲稿,要能把研究问题、实际实验和创新依据讲清,面对质疑继续解释和思考。

机器学习与深度学习怎样补

机器学习参考周志华《机器学习》和李航《统计学习方法》。先整理经典模型思想、优缺点、适用情况,如决策树、SVM、逻辑回归、聚类,再用数学推导补足理解。深度学习参考《动手学深度学习》,学习反向传播、梯度消失与爆炸、优化器、CNN、RNN/LSTM和Attention。

按笔试或面试分别训练:有笔试时做数学、408习题,面试则练常见概念解释和推导。可以让模型模拟由浅入深的追问以发现盲区,但答案仍需回到课程和真实项目核对。

项目故事线与现场表达

项目按背景、挑战、个人角色、技术模型、实验分析、反思梳理。介绍中每个技术细节都可能被顺着追问。对知道但不够深入的模型,先回答已有理解,再结合项目中实际使用的相关模型解释选用原因;完全不了解时坦诚说明,不以绕开问题代替回答。

联系导师未获回复时继续准备材料与下一项目,不把等待占满复习时间。作者最终较早确定去向,但申请中仍经历跨专业知识补课、题型变化和压力追问。对自己有用的主线是把数学基础转化为计算机方向的理解、实现和实际研究表达。

读到这里,把启发变成一步行动

留住有用的思路

把读到的一个好方法,加入你的申请计划。

去安排下一步 ↗

来源:网络整理

分享这篇经验

当前浏览器未允许自动复制,可以长按或全选下方文案复制。