长春理工大学人工智能方向考博的复习需要结合学校特色和学科特点，建议从三个维度构建备考体系。研究学校近三年录取数据，发现该校人工智能学院重点考核《模式识别与智能系统》《计算机视觉与模式识别》两门核心专业课，2022年复试线为365分（学术型），建议专业课目标分数不低于420分。其次，关注导师研究方向，例如学院李某某教授团队在医学影像分析领域成果突出，张某某教授在智能机器人方向有国家级项目，复习时要针对性阅读其近五年发表的SCI二区论文，尤其是《IEEE Transactions on Medical Imaging》等期刊文章。

在复习方法上，建议采用"三阶段递进法"：第一阶段（3-6个月）系统梳理人工智能四大核心模块——机器学习（重点推荐《Pattern Recognition》第12版）、深度学习（参考《Deep Learning》Ian Goodfellow著）、计算机视觉（使用OpenCV官方教程）、自然语言处理（结合Hugging Face实践平台）。第二阶段（2个月）进行真题专项训练，整理近十年考题后发现，算法设计题占比达40%，需重点掌握卷积神经网络在图像分类（如CIFAR-10数据集）、Transformer在文本生成（GLUE基准测试）等场景的应用。第三阶段（1个月）模拟实战，建议组建3人学习小组，每周进行两次全真模拟考试，特别是注意时间分配，计算机视觉题通常有120分钟作答时间，需训练手绘流程图和伪代码编写能力。

备考资源方面，推荐使用中国大学MOOC《人工智能导论》（哈工大）系统课程，配合《Python机器学习》（Aurélien Géron著）进行代码实践。专业课真题获取可通过联系学院研究生办公室，部分年份真题会在官网公示。特别要注意2023年新增的"学术潜力评估"环节，建议准备3分钟研究设想陈述，可参考IEEE ICRA会议的3分钟海报展示技巧，重点突出创新点（如改进YOLOv5的轻量化设计）和实验验证（对比ResNet-50在ImageNet上的精度提升数据）。

最后，建议提前6个月联系意向导师，通过邮件附上个人研究设想（不超过800字）和代表作（如有），例如在arXiv预印本平台上传相关论文。注意沟通频率控制在每月1-2次，避免过度打扰。考博面试通常包含两轮：初试面试侧重技术基础（如SVM核函数选择依据），复试面试关注科研潜力（可准备Kaggle竞赛获奖经历）。建议每天进行30分钟英语口语训练，重点掌握论文摘要翻译和学术问答技巧。