Code Monkey home page Code Monkey logo

szu-cs-'s Introduction

SZU转CS专业经验

  • 现在这份经验可能不适用了,毕竟至少过了两年了,仅供参考吧

自我介绍

18级

前专业:光电信息科学与工程(工科)

现专业:软件工程

[TOC]

相关资料查询

人工智能班

非计软学生:

提交材料给计软的教务处and报名转专业,考数学/英语 ——》机考 ——》面试(46个软工,2个外院)——》等结果(28个软工,2个外院)

普通转专业

先考笔试,过了笔试的分数线,才能参加面试,否则直接pass。最后综合两者,按笔试3,面试分7的比例决定你最后的分数。

注:报名时看到的拟转入人数不一定是真的,当时软工只要5个人,但实际上有8个,有个说法是把人工智能班多出来的名额给了软工。

统计:

17级共14人(8/14$\approx$0.57)。

18级计科34+34(22/68$\approx$0.32),软工32(8/32$\approx$0.25)

ps:18级转入的人里,光电和信工都是6个,一共占了40%...

笔试

你可以参加英语或数学,请根据自身能力选择。由于我当时选了数学,所以下面几乎只讲数学考试内容。

选英语的可能会在面试的时候问一些数学。

分数线

听说数学只用考60多,英语分数线不清楚,但过了面试的人基本都是8,90吧。

每一年的竞争都越来越激烈,分数线仅作参考,考的越高越好。

数学题型(不太清楚)

10选择,10填空,(6道还是8道来着)大题(计算和证明)

选择填空都是3分

选择的占比没有平时考试高,所以要重视大题

考试内容和难度

80%考高数上册内容。难度比高数a的考试要大一些。 由于转专业笔试时间定于下学期,所以你大概会忘记一些上册的内容。我的建议是:下学期按部就班的跟上高数课,认真完成作业,并且有计划的复习上学期的内容

没有应用题

复习建议

因为我自认基础稍好些,所以是课本和考研书一起看的。

一节一节复习。先看一遍课本的定义,定理回顾一遍,然后去看考研书有什么解题套路或者补充说明,然后写一次书上和考研书的例题。

复习完一节或者一章,我会稍微看下书本后面的题,并试着做一下,做不出来就看答案,有点对付考试的意思。。考研书上太难的题我就没看了。

接下来是具体内容

1.极限

难度比高数a要大一些,但是你也只需要把课本后面的计算题全部弄懂即可(可以用洛必达,泰勒公式来做,能做出来就行)。可能会出一道简单的证明题(最后一题),所以基本的证明套路也需复习一下。

2.导数与微分

各种定义要区分好就行,难度不大,但需基本功扎实

导数要会隐函数求导,高阶导数(之前考过),求切线渐近线之类的

微分的定义,概念弄清楚。比如$\Delta y$ 和$dy$要弄清楚

3.微分中值定理

罗尔,拉式,柯西三大定理要会用,也就是说要学一些基本的证明套路,书上应该没有详细的总结,可以去看考研的书,里面总结的挺详细的,但也不用太深究,上次考了一道算比较简单的证明题(就是套套路)

泰勒公式的话,一些基本的展开式和求通项要会。

4.近似解

我们似乎不学,应该是不考的。

5.积分(大头)

**书上不定积分和定积分的都要定理熟记!!**有证明题的。

计算题的套路尽量都要掌握,总结可以去看考研书,随便做点习题就好了,但基本的求法要会。

书上的所有定理都要记得,因为你不知道他会考什么,然后要会用定理做点例题,但也不用做太难的题了。

总结方面可以看下考研书。最好可以掌握考研书和课本的例题,课后习题尽量做一下

至少会出两道大题

6.微分方程

我印象中好像没考,这里不做说明了,以免误人子弟

7.下册

印象中我那年好像只考了一道二元函数求偏导的计算题,没考空间几何,但上一届(17级)说考了空间几何。

反正不考重积分以后的

以上内容和17级的没多大出入,保险估计今年考试内容大题不变

转专业面试

一共四场面试,18级计科2场(34人),软工1场(32人),17级一起面试(14人),同时进行。

资料准备

好像只能带纸质资料,不过你可以试试背个电脑去展示一下你的github?

必备:上学期的成绩单(绩点不要太低就可以了,多了也没什么用)

可以带份简历或者在自我介绍的时候说清楚

加分:获奖证书(算法,开发,网络,小程序都行)

自我介绍(开头)

必须:讲你多喜欢编程(虽然老师不会怎么认真听)

自由发挥:讲平时学了啥(比如c语言,python,网页制作,游戏开发等等)但必须讲实话,不然露馅了就。

只要是关于计算机和学习的就行,别整那些无关的社团活动(除ACM)。

手写代码(介绍完)

软件工程的

当时叫我我写了求阶乘和冒泡排序,各限时3分钟(当然,你可以跟他说:“在给我点时间,我能写出来的”)

接着他们问我有没有了解过数据结构,我说我没看多少,然后就问了我图的深度优先遍历。

计科的其中一场

第一题:谈谈c c++ java python四中语言的异同以及你的理解

第二题线代题,矩阵X*A=B求X

第三题问卡尔曼滤波的原理

(第三题参考价值不大)

当时群上还有人说问了哈希洪水攻击...,感觉很假

综合来看,前两题应该是都会问的,剩下的应该是根据你的自我介绍和简历内容来问你。

总结

计算机相关的懂得越多越好。如果你对编程一点都不了解或者一门编程语言都没有学过,甚至连2进制都不知道是啥,那结果可想而知。所以你必须学习一门编程语言以及基本的算法

如果你现在才开始接触这个专业的内容,那么我建议你可以先学c语言( https://www.bilibili.com/video/av15267247 )或者python语言。课程b站上都有,关键在于你学的怎么样。接着你可以学一点开发,去运用你所学的语言,来写一些小应用。多打代码多实践才是王道。

如果你是工科专业,你目前的专业大概率会学c语言,那么我建议在学了c语言的基础上,去了解一下各个语言的差异,然后学亿点算法,多做点算法题。

ps:想考公的选计科,计科能申报的岗位多

szu-cs-'s People

Contributors

lovelxc avatar

Stargazers

Myouren avatar ferry_xie avatar  avatar murphyy avatar

Watchers

 avatar  avatar

szu-cs-'s Issues

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.