中国传媒大学信息与通信工程学院人工智能大数据技术与工程方向考博备考需重点围绕学科交叉融合与前沿技术突破展开系统性研究。考生应深入理解智能媒体内容生成、通信网络智能优化、多模态数据挖掘等核心领域，掌握深度学习框架下的通信系统建模、联邦学习在分布式网络中的应用、时序大数据的流式处理等关键技术。建议优先研读《人工智能：现代方法》（Stuart Russell & Peter Norvig）构建理论框架，结合《通信网络智能优化与机器学习》（王卫东等著）掌握交叉学科方法论，辅以《大数据时代：生活、工作与思维的大变革》（维克托·迈尔-舍恩伯格）理解行业应用场景。

专业核心文献需精读IEEE Transactions on Wireless Communications近五年关于智能超表面与AI协同优化、ACM Transactions on Internet of Things Systems中多源异构数据融合的12篇高被引论文，重点关注中传团队在《中国科学：信息科学》发表的基于图神经网络的信道状态信息估计系列成果。数学基础方面，《矩阵分析与应用》（李航）需重点掌握随机矩阵在用户行为建模中的应用，《时间序列分析：统计与金融视角》（Ruey S. Tsay）应结合通信信号处理中的周期性特征建模。

备考策略建议采用"三阶段递进式学习"：第一阶段（1-3个月）完成20本核心教材精读，建立知识图谱；第二阶段（4-6个月）针对《全国博士研究生招生考试大纲》要求，完成5个专题的论文复现（如联邦学习在5G边缘计算中的应用）；第三阶段（7-9个月）进行真题模拟训练，重点突破近五年中传考博真题中通信感知一体化、智能媒体内容安全等高频考点。建议每周参加学院组织的"AI+通信"学术沙龙，与导师团队共同研讨《Nature Communications》最新刊发的6G智能超表面研究进展。

备考工具箱需配置JupyterLab深度学习开发环境、Apache Spark流处理集群模拟平台，熟练使用PyTorch构建通信系统仿真模型。特别要注意中传自主建设的"智能媒体大数据"国家级实验平台公开数据集，包括10TB规模的短视频多模态数据、百万级用户行为日志等特色资源。最后阶段应重点打磨3篇学术代表作，其中至少包含1篇与学院重点实验室合作的研究成果，突出解决"智能算法在低功耗通信设备中的部署优化"等实际工程问题。