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考博复习需采取系统性策略，考生应结合学院学科特色与研究方向制定个性化备考计划。首先需深入研读《人工智能导论》《大数据系统架构》等核心教材，重点掌握机器学习算法（如SVM、CNN、Transformer）、分布式计算框架（Hadoop/Spark/Flink）及数据挖掘关键技术（聚类/分类/关联规则）。建议通过Kaggle竞赛平台进行项目实践，例如构建智能推荐系统或通信网络流量预测模型，以提升工程应用能力。

针对学院在智能媒体分析、5G通信大数据等领域的科研优势，需重点跟进《通信网络智能化》《多模态数据融合》等方向的前沿论文，关注IEEE通信协会（IEEE ComSoc）及ACM SIGKDD会议的最新成果。建议整理近三年导师团队发表的SCI论文，建立技术脉络图，明确自身研究兴趣与导师课题的契合点。

考试内容通常包含专业基础（40%）与科研能力（60%）两部分。专业笔试重点考察算法设计（如设计实时推荐系统架构）与系统实现（使用Python/Java完成分布式任务调度），建议通过LeetCode刷题巩固代码能力，同时掌握Docker/K8s等运维工具。科研笔试需准备研究计划书，建议采用"问题定义-方法创新-实验验证"三段式结构，突出交叉学科特色，例如将深度学习应用于媒体内容智能审核或通信资源动态调度。

面试环节占比30%，包含中英文问答（15%）及专业提问（15%）。需提前模拟"如何优化推荐系统冷启动问题"等高频问题，掌握技术原理（如基于知识图谱的跨域推荐）与工程实现（A/B测试/ABX方法）。英语部分建议精读《AI Now Report》等英文文献，积累专业术语（如联邦学习Federated Learning、图神经网络GNN），准备3分钟英文研究汇报。

导师联系方面，建议在初试后通过学院官网获取导师邮箱，邮件需包含个人简历（突出数学建模/竞赛获奖经历）、代表性项目（如基于TensorFlow的图像识别系统）及研究设想（如"面向5G边缘计算的轻量化模型压缩方案"）。注意学术伦理，避免夸大研究基础。

备考周期建议分三阶段：基础夯实（3-6月，完成4门核心课程复习+100+LeetCode题量）、专项突破（7-9月，参与1个Kaggle项目+整理30篇核心论文）、冲刺模拟（10-12月，完成5套全真模拟卷+3次模拟面试）。特别需关注学院官网发布的《考试大纲动态调整说明》，例如2023年新增对"隐私计算在通信数据共享中的应用"要求，及时调整复习重点。

最后需建立动态知识库，使用Notion或Obsidian管理技术文档，设置Google Scholar学术警报跟踪领域热点。心理调节方面建议采用番茄工作法（25分钟专注+5分钟休息），定期进行压力测试（如限时完成算法设计题）。备考期间注意身体管理，每周进行3次有氧运动维持大脑供氧效率。