南京信息工程大学计算机科学与技术专业考博复习需要结合学科特点和学校研究方向制定系统性计划。该校计算机科学与技术学科在智能计算、气象信息处理、分布式系统等领域具有较强实力，博士招生注重科研潜力和专业基础。建议考生从以下五个方面构建复习体系：

一、专业基础强化阶段（3-6个月）

1. 核心课程巩固：重点突破《数据结构（C语言版）》《操作系统》《计算机网络》《人工智能导论》四门核心课程。推荐使用严蔚敏版数据结构配合《剑指Offer》刷题，操作系统参考《现代操作系统》中英文对照版，网络技术以谢希仁第五版为主。

2. 研究热点追踪：每周研读3篇CCF-A类论文（如ACM/IEEE Transactions系列），重点关注联邦学习、边缘计算、气象大数据处理等南信大优势方向。建议使用Connected Papers构建文献网络，建立领域知识图谱。

3. 真题深度解析：近五年统考真题显示，专业笔试中人工智能方向占比35%，分布式系统25%，计算机系统基础20%，交叉学科15%。建议建立错题数据库，标注高频考点如哈希冲突处理、B+树优化策略、TCP拥塞控制算法等。

二、科研能力培养阶段（2-3个月）

1. 科研项目模拟：组队完成气象数据智能分析（建议使用TensorFlow Lite框架）、分布式气象计算平台开发等实践项目。重点记录技术难点、解决方案和成果转化路径。

2. 论文写作训练：按照IEEE Transactions格式撰写研究计划书，包含创新点论证（建议采用技术路线图+对比实验设计），附上预实验数据（至少3组对比实验）。

3. 导师沟通技巧：提前联系3-5位研究方向契合的导师，邮件需包含个人简历（突出ACM/IEEE论文、Kaggle竞赛经历）、研究设想（不超过500字）及参考书目阅读笔记。

三、考试冲刺阶段（1-2个月）

1. 交叉学科突破：重点准备气象与计算机交叉内容，如WRF数值模型并行计算、气象大数据存储优化（HBase+Hive架构）、数值天气预报算法（LSTM/Transformer应用）。

2. 模拟面试训练：每周进行3次全英文模拟面试，使用Zoom进行云端答辩，重点准备：

- 技术问题：分布式一致性协议（Raft/Paxos）、气象卫星图像处理（YOLOv5改进方案）

- 研究计划：设计包含理论证明（数学公式推导）和实验验证（气象数据集）的完整框架

- 价值观阐述：结合南京气象灾害防御需求说明科研社会价值

3. 交叉验证复习：制作知识关联矩阵，将数据结构中的树形结构（B树）与气象雷达数据处理、操作系统进程调度与多机并行计算进行交叉印证。

四、资源整合策略

1. 建立南信大特色数据库：包含近三年气象大数据处理竞赛数据集（如全国大学生气象科技创新大赛数据）、校内实验室开放课题（2023年发布17项智能气象算法优化课题）。

2. 真题获取渠道：联系计算机学院研究生会获取非统考真题（包含2019年气象信息可视化专硕真题改编版），加入CSDN考博互助群获取最新考点预测。

3. 网络资源优化：搭建个人知识管理系统（推荐Obsidian），整合：

- 中国气象局开放数据平台（含2000-2023年全球气象观测数据）

- ACM Digital Library（重点标记南信大已发表顶会论文）

- MOOCs补充资源（MIT 6.824分布式系统、CMU 15-213数据结构）

五、动态调整机制

1. 每月参加南京高校计算机博士论坛（通常在紫金山实验室举办），获取最新招生政策（2024年新增"气象智能计算"方向）。

2. 建立三维进度监控表：

- 知识维度：按《计算机学科博士研究生招生考试大纲》划分模块完成度

- 技术维度：GitHub代码仓库提交记录（建议维护气象数据处理工具包）

- 心理维度：每周进行番茄工作法压力测试（连续4周达标可进入冲刺阶段）

3. 预备Plan B方案：若初试排名前20%，可同步申请江苏省气象局-南信大联合培养项目（需提交《气象大数据安全处理》等专项研究计划）。

最后提醒考生注意2024年招生政策变化：1）增加"气象人工智能"科目笔试（占比30%）；2）要求提交过Kaggle气象竞赛Top10%成绩；3）科研经历需包含至少1项气象局合作项目。建议最后30天重点突破气象领域知识，同时保持传统计算机核心技术的日常温习。