【考研数学】线代满分经验分享+备考复盘

我一战二战复习都听了李永乐的线代课,二战的时候只听了一遍强化,个人感觉没有很乱,永乐大帝的课逻辑还是很清晰的。

以下是我听向量这一章后根据听课内容和讲义例题总结的部分思维导图,永乐大帝讲课的时候也会特意点到线代前后联系比较密切,向量这一章就跟线性方程组联系很多,所以我们学线代有时候感觉乱是因为没有站到全局上来考虑问题。

我之前听线代课的时候也是这个感觉,就前后知识点很乱,每一章的知识点到了强化就都联系在一起了,如果你不能及时的去总结梳理,那最后一定是一团乱麻。

所以建议同学们听线代课程的时候,无论是听谁的课都要及时的总结梳理,因为线代感觉乱跟老师关系不是太大,主要还是线代自身的知识体系问题。

这里如果李永乐你实在是听不下去的话,建议可以更换成汤家凤的课程。如果你线代基础还可以的话可以选择跟张宇的线代课,总之,主打一个灵活配置,哪个老师适合你你听哪个老师的。

这也是我们复习考研数学选老师时候的一个原则,就是别人推荐的你可以试听,但不要听别人说这个老师好就无脑听下去。中间听课遇到了问题(听不懂或者感觉老师讲的不好)一定要注意,及时的去解决问题。

理想的模式应该是在复习备考的初期广泛搜集信息,选择几个评价不错的老师进行试听,再试听结束之后根据自己的感觉来选择最终要跟的老师。

去年在二战备考时,我避开了一战踩过的不少坑,备考的更完善,最后我的二战数学成绩也相当满意,数学三125分 。首先是强化冲刺阶段的三个大坑!!!

强化-冲刺3大坑

1.盲目刷题,本末倒置

我的一战误区!真题是用来秒的!不是用来反复刷的!

强化搞得好,真题直接秒!强化没吃透,真题也没救!


我在一战的时候,认为强化和冲刺就是要做难题,见各种各样的难题,并且认为做难题提高的快,这是一个很致命的误区。一味追求难度,并以为反复刷真题,把题型都见过了,就算完成任务了。


根据我的血泪教训,这样做并不能提高你的能力。基础知识点都理解了吗?做一些题目的常规思路和常规方法掌握了吗?公式记熟了吗?面对一道比较难的题目,你知道从哪里切入思考点吗?
其实进入强化以后,其实你就在做真题了!强化班、1800、880里都有真题,其它题也是按照真题套路出的。


所以进入强化和冲刺,做题更要务实,要不然就是在浪费时间,浪费好题。
简单粗暴的题海战术并不是最有效的方法,我的建议是一定要做好 “做题+查缺补漏“ !我二战是直接从题目入手来学习和吸收知识点。当时用了一个考研数学的刷题平台,叫做知能行考研数学

知能行考研数学知能行考研数学通过大数据分析历年真题的考点难点,为每位考生选择快速提高的突破口。知能行基于机器学习追踪考生知识点的掌握情况,测练合一从而达到高效备考icon-default.png?t=N7T8https://bestzixue.com/?app_referrer_id=DXW~atczc-laOlyl-0420-editor_jnx


我二战开始用的时候,其实是有之前复习基础的。本来以为都会了,结果znx给我找出来一堆突破口,整的有点自我怀疑了,而且确实都是我真题做的不顺利的地方。


当时怕时间来不及了,听群里大佬的建议,我挑几个特别懵的练,级数、中值定理,三、四天一个专题,后来再做真题果然可以了!


我发现知能行能够有效的做到了能有针对性的做题,简单的说就是能把知识点拆分之后分块消化。知能行在给你推题的时候,后面都在全方位不留死角的扫描你的知识漏洞。


我在刚开始使用的时候,做他给我推荐的题目,在我第一个问题出错之后,我发现他给我推送的第二个问题和第一个有关,但稍微简单些。如果我错了,接下来的第三个和第四个问题也都是相关的,只是每个问题需要的知识点越来越少,直到他定位到我掌握不好的知识点。


在找出我的薄弱点之后,他就开始帮我循序渐进的掌握这个知识点,难度也逐步提升。慢慢地,我对这类问题的出题视角有了全面的理解,我的薄弱点也就补上了。


回头看,幸好哪些薄弱点及时被znx发现,早控制,早治疗,没有拖到考场上。

2.不注重计算能力


计算一错,满盘皆输!计算很考验个人细心和基础功底,刷不动题一般都是计算手法不熟练和畏难情绪导致的。
计算不行解决计算,情绪不行解决情绪,没有太多的捷径可走。
算一半放弃,一看到难题不想算,简单题又算不对答案,这就是所谓的眼高手低。这个坏毛病让我一战吃了大亏 。一战的时候直到后期,自己才意识到了做题不熟练,计算不稳定的问题,可惜太晚了….
所以进入强化和冲刺阶段,一定要尽量动手做题,2分看8分练,千万别眼高手低!
考研题计算量可以很大,可以涉及分类讨论,可以综合多个知识点,也可能涉及复杂解题思路的应用。计算是最基本的需求,如果算都算不对,证明题你也别指望好到哪去。另外运算技巧的使用也是非常有意义的,本身就是考察的点。
作为深刻体会到计算重要性的我来说,二战伊始,我最大的考虑就是练计算,保证正确率。在推进了一段时间知能行章节进度后,正确率大幅提高,我当时整个人都是自信的。


在使用知能行完成一个专题的训练后,就可以选择一本主流的习题集来检验复习效果。知能行有一个功能叫做"AI猜你会哪些",它会根据你在系统内的训练历史,预测你能解答的题目和无法解答的题目。


在这个阶段我主要刷了660来检验自己的能力,当然正确率也是在线的,各章节正确率普遍会在90%上下浮动。
说实话,知能行的计算训练有时真的很吓人,如二重积分这样的章节真的可能算得让人头皮发麻。但是幸运的是,23年数三的二重积分就是考的计算!我在知能行上刷过同类型的题目,所以当我看到考试题目时挺惊讶。

3.背套路,缺乏举一反三的能力

考研数学这种应试型考试重要的是解题思维的训练,而不是背套路。第一年备考中我正是因为这种思维的缺失,看到新题也盲目乱套,一定程度上导致了失利。

有一句话这么说,你所见并非一定就是你所看到的。相同类型的题,哪怕只是改变了一些数据,稍微变换了题干,都可能使你无法立即联想到此题的考点。而且这也无法根据题目的特定条件,选择最适合的解题方法。

知能行有个很有效的训练方法,就是当你在一道应该能做出来的题目卡住的时候,给一道你之前做出来的相似题目进行提示,达到「举一反三」的刷题效果

这样的训练方式很nice的解决了我之前一看题面没思路就放弃的坏习惯,开始会主动的把之前掌握的知识点和解题思路联系起来。

尽管知能行推荐给我每一道问题在解答起来并不轻松,有一定的难度,但只要静下心来,认真做,是可以自己做出来的,而且我可以明显感觉到这是对我未掌握部分的针对训练。不像是660题或者880题,难度是乱序的,每做一道题都像是在开盲盒。

冲刺阶段的建议

1.滚动复习,对抗遗忘

在冲刺阶段,知能行对我帮助最大的一点是他强大的「综合测试」功能。

所谓的综合测试就是AI会对你在知能行上刷过的所有题目进行系统评估,然后给出一个复习习题的建议,并把你以前刷过的错误的掌握不好的题拿出来每天滚动复习,可以说,这有点类似艾宾浩斯遗忘曲线的感觉,只不过这是针对数学的。

知能行的综测绝对是绝杀市面上的习题册的,相较于习题册来说,知能行能够更灵活的训练你的数学能力。

当时我强化阶段的主要任务就是每日进行综测和刷掉小黄点。在此之外,你还可以选择一些习题进行训练,以检验知能行对你的提升。

【注意】随着你每一章节等级的提高,知能行给你的题难度会逐渐加深,刷到后面会频繁达到真题难度以及难于真题难度的习题。

在每日高强度综测下,基础阶段所掌握的知识点不断被滚动复习,你的基础会极为牢固。根本不会出现传统复习方法中的强化完了后,掌握一堆解题方法,仍然需要回过头来补充基础。

2.真题和模拟卷的使用

使用知能行有个好处,就是当碰到不会的真题,直接返回基础,做简单的题,什么不会练什么,再结合其它强化题,一级级提升。

知能行的真题预测功能可以让你刷真题的效率翻倍,节省大量宝贵的冲刺时间。他的AI 猜这个功能会标出习题册、真题中你薄弱的题,用最少的时间,覆盖最广的范围。

真题预测功能会根据你的水平,计算近10年的真题分数。上面图片中的“保底分”是你稳会的题,就是下图中绿色打勾的题;“发挥得好”包括可能会做,但不稳的题,就是桔色带问号的题。点击题号,可以看到去哪里刷。这样稳会的题目就不需要花太多时间,而把时间花在提分最快的地方。

如果你是基础不扎实的,那真题卷刷三遍也没用,还是要回归基础,查漏补缺。

因为知能行本身题库中包含了所有历年真题,大家可以根据自己的选择是否需要去再刷一刷套卷找找感觉。我是当时刷了10年之后的卷子,找了一下刷真题的感觉。因为很多真题知能行上都刷过了,所以大部分真题卷都在130分上下。

相应的到了冲刺阶段,你的主要目标就在维持做题手感了。这个阶段只需要每日少数时间把综测刷完,在维持住正确率的前提下,适当的写点模拟卷就好。

每天你只需要点开知能行的综测功能,一天会有几道导几十道不等的刷过的题目供你刷,不刷完可不能走!这个综测是真的好用。完美弥补了我第一年不好好刷题的缺憾。

二战时到了冲刺阶段,我主要是通过不断推进知能行的综合测试再加上模拟题的练习。当时,我在李林模拟卷的平均分也在110左右。虽然李林老师的押题卷并非必做,但他的880跟108我真的强烈建议你写一下

【注意】在冲刺阶段,大家要重视的是要回归基础知识,回归以前做错的题目上去,返璞归真用在这里就蛮贴切的。如果进入冲刺之后你发现刷题正确率不高,那我强烈建议你回头把基础补上,毕竟提分最快的方式是扎实基础。

最后的结语

我在这2年的考研复习中,经历过一战失败的迷茫,痛定思痛的反思,也有找到正确方法时的快乐,和感受到自己攻克难关时的满足感。

最后是我自己在备考中观察到几个点,提出来希望大家注意:

  • 备考有负面情绪是很正常的,要学会释放而不是积压在心里
  • 不要跟别人比进度,最重要的是你学会了多少,学的知识消化了没有
  • 数学一定要重视计算量的训练,这很重要!!!

最后的最后,无论结果如何,都请你深信,你努力向前的每一天都是有意义的。因为生活总是令人感到惊奇,只要你全力以赴地做一件事,那么命运一定会赐给你一个令人满意的答复。

日拱一卒,功不唐捐, 成功上岸!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/873611.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

TK秘籍:深度剖析机房IP与住宅IP的利与弊

大家好,今天我们来聊聊TikTok运营中的一个重要环节——IP地址的选择。 想象一下,你在TikTok上发布视频,就像是在一个热闹的市集上摆摊,而IP地址就是你的摊位位置。选对了位置,你的摊位就能吸引更多顾客,也…

最小二乘求待定位点的位置(三维环境)|MATLAB

前言 之前发过三点法求待测点位置的程序讲解,哪个是二维的,见:基于伪逆的三点法距离求位置,MATLAB源代码(MATLAB函数) 这里给出三维情况下的函数和测试代码。对于函数,输入已知锚点的位置、待…

JavaEE:Spring Web简单小项目实践三(留言板实现)

学习目的: 1、理解前后端交互过程 2、学习接口传参,数据返回以及页面展示 目录 1、准备工作 2、约定前后端交互接口 1、获取全部留言 2、发表新留言 3、实现服务器端代码 4、调整前端页面代码 5、运行测试 1、准备工作 创建SpringBoot项目&#x…

Linux 服务器管理和维护

Linux 是一个非常严谨的操作系统,每个目录都有自己的作用,这些作用是固定的,没有特殊情况,应严格执行; Linux 中所有东西以文件形式存储和管理,命令也不例外; 以下四个 bin 是二进制文件&…

SVM 技能测试:25 个 MCQ 用于测试数据科学家的 SVM

SVM 技能测试:25 个 MCQ 用于测试数据科学家的 SVM(2024 年更新) 一、介绍 你可以把机器学习算法想象成一个装满斧头、剑和刀片的军械库。你有各种各样的工具,但你应该学会在正确的时间使用它们。打个比方,将“线性回归或逻辑回归”视为一把能够有效地切片和切块数据但…

LeetCode 739, 82, 106

文章目录 739. 每日温度题目链接标签思路代码 82. 删除排序链表中的重复元素 II题目链接标签思路代码 106. 从中序与后序遍历序列构造二叉树题目链接标签思路二叉树的三种遍历值与索引的映射对于后序遍历的使用对于中序遍历的使用 代码 739. 每日温度 题目链接 739. 每日温度…

jenkins 插件版本冲突

一、Jenkins安装git parameter 插件重启后报错与临时解决方案 cd /root/.jenkins cp config.xml config.xml.bak vim config.xml <authorizationStrategy class"hudson.security.FullControlOnceLoggedInAuthorizationStrategy"><denyAnonymousReadAcces…

【工具使用】EMACS的verilog_mode脚本

#工作记录# 俗话说不会玩连连看的工程师不是一个好的SoC工程师。 在做集成工作的时候&#xff0c;集成连线估计是一件比较繁琐且容易出错的事情&#xff0c;连线类型定义出错、位宽问题、连线众多等等问题&#xff0c;此时使用由Veripool带来的verilog_mode简直是令人神清气爽…

基于牛顿-拉夫逊优化算法(Newton-Raphson-based optimizer, NBRO)的无人机三维路径规划

牛顿-拉夫逊优化算法(Newton-Raphson-based optimizer, NBRO)是一种新型的元启发式算法&#xff08;智能优化算法&#xff09;&#xff0c;该成果由Sowmya等人于2024年2月发表在中科院2区Top SCI期刊《Engineering Applications of Artificial Intelligence》上。 1、算法原理…

制造运营管理系统(MOM系统),企业实现先进制造的关键一步

随着全球制造业的快速发展&#xff0c;企业对于生产效率和成本控制的要求日益增高。在这个背景下&#xff0c;制造运营管理系统&#xff08;MOM系统&#xff09;成为了企业提升竞争力的关键工具。盘古信息作为业内领先的智能制造解决方案提供商&#xff0c;其MOM系统更是以其卓…

首批通过 | 百度通过中国信通院H5端人脸识别安全能力评估工作

2024年5月&#xff0c;中国信息通信研究院人工智能研究所依托中国人工智能产业发展联盟安全治理委员会&#xff08;AIIA&#xff09;、“可信人脸应用守护计划”及多家企业代表共同开展《H5端人脸识别线上身份认证安全能力要求及评估方法》的编制工作&#xff0c;并基于该方法开…

COD论文笔记 Deep Gradient Learning for Efficient Camouflaged 2022

动机 这篇论文的动机在于解决伪装目标检测(COD)中的一个关键问题&#xff1a;在复杂背景下&#xff0c;伪装目标与背景的边界模糊&#xff0c;使得检测变得极其困难。现有的方法&#xff0c;如基于边界或不确定性的模型&#xff0c;通常仅响应于伪装目标的稀疏边缘&#xff0c…

如何定位Milvus性能瓶颈并优化

假设您拥有一台强大的计算机系统或一个应用&#xff0c;用于快速执行各种任务。但是&#xff0c;系统中有一个组件的速度跟不上其他部分&#xff0c;这个性能不佳的组件拉低了系统的整体性能&#xff0c;成为了整个系统的瓶颈。在软件领域中&#xff0c;瓶颈是指整个路径中吞吐…

价格战再起:OpenAI 发布更便宜、更智能的 GPT-4o Mini 模型|TodayAI

OpenAI 今日推出了一款名为 GPT-4o Mini 的新模型&#xff0c;这款模型较轻便且成本更低&#xff0c;旨在为开发者提供一个经济实惠的选择。与完整版模型相比&#xff0c;GPT-4o mini 在成本效益方面表现卓越&#xff0c;价格仅为每百万输入 tokens 15 美分和每百万输出 tokens…

某4G区域终端有时驻留弱信号小区分析

这些区域其实是长时间处于连接态的电信卡4G终端更容易出现。 出现问题时都是band1 100频点下发了针对弱信号的1650频点的连接态A4测量事件配置&#xff08;其阈值为-106&#xff09;。而这个条件很容易满足&#xff0c;一旦下发就会切到band3 1650频点。 而1650频点虽然下发ban…

神经网络之卷积神经网络

目录 一、卷积神经网络概述&#xff1a;1.卷积层&#xff1a;1.1卷积核与神经元&#xff1a;1.2卷积层作用&#xff1a;1.3多通道概念&#xff1a; 2.池化层&#xff1a;2.1池化层作用&#xff1a; 3.隐藏层与卷积层、池化层关系&#xff1a; 一、卷积神经网络概述&#xff1a;…

Flutter TextFiled频繁采集“剪切板信息”

在使用Flutter开发者&#xff0c;输入框是必不可少的功能&#xff0c;最近产品出了需要&#xff0c;要求输入框记住用户登录过的手机号&#xff0c;并在输入框输入时提示出来&#xff0c;这是个很基础的功能&#xff0c;但是在通过测试验收发布到应用市场时&#xff0c;被Vivo拒…

Spring Boot项目中使用MyBatis Generator (MBG) 自动生成Mapper文件

Spring Boot项目中使用MyBatis Generator (MBG) 自动生成Mapper文件可以很大程度上减少编码。本文着重介绍如何在实战中使用MGB自动生成Mapper文件 1. 添加MyBatis Generator依赖 在pom.xml中添加必要的依赖 <dependency><groupId>org.mybatis.spring.boot</…

uniapp中给data中的变量赋值报错

排查了一上午&#xff0c;原本以为是赋值的这个变量有一个键名是空字符串的问题&#xff0c;后来发现是因为在data中定义变量是写的是{}&#xff0c;如果写成null就不会报错了&#xff0c;具体原因不清楚为什么

逻辑回归(Logistic Regression,LR)

分类和回归是机器学习的两个主要问题。 分类处理的是离散数据回归处理的是连续数据 线性回归&#xff1a;回归 拟合一条线预测函数&#xff1a; 逻辑回归&#xff1a;分类——找到一条线可以将不同类别区分开 虽然称为逻辑回归&#xff0c;但是实际是一种分…