【考研数学】强化阶段,张宇《1000题》正确率达到多少算合格?

首次正确率在60%以上就算是合格!

张宇老师的1000题真挺难的,所以如果第一次做正确率不高,不要太焦虑,1000题不管是难度,综合度还是计算量,都比其他的题集高一截。

大家真实的做题情况下,如果正确率只有60%,那肯定就做不下去了,会对自己产生很大的怀疑,觉得自己是不是没学好,产生想要放弃考研的念头。

其实大家真正体验感比较好的时候,是做一本题集有80%的题目都做对了。这刚好符合二八定律

如果你准备在强化阶段做1000题,下面是一个基本的规划:

1、结合张宇18讲视频课,这是张宇老师在强化阶段的视频课,内容质量很高,总结了很多题型的快速解题方法。

2、听完视频课就做对应的章节,如果遇到没有思路的题目(10分钟想不出来思路)就直接跳过,打上标记。

3、做完一整章的题目再去对答案,把错题进行分类,分为计算错误和未掌握的知识点错误,对于计算错误,重新算一遍就好了,对于还没有掌握的知识点类型,一定要给吃透。

4、最最最重要的一步是要经常回顾,因为对于大家来说,做过的题目大概3天左右就忘的差不多了,特别是错题,如果3天内不及时回顾,那就等于白做了,时间也浪费掉了。

如果你做1000题实在是做不动,其实强化阶段还有很多好的题集,比如880题,660题,严选题等等,我在考研备考的时候,用的就是880题+知能行考研数学

这个组合真的yyds,知能行考研数学是一个人工智能考研数学刷题平台,我当初做题没思路的时候,偶然间发现的好东西,znx可以根据我做题时候的结果,自动化分析我到底知哪里做错了,帮我找到学习中的薄弱点,然后出题帮我循序渐进的吃透这个薄弱点

这与我做纸质题集的时候有本质的不同,比如我做1000题遇到错题,我需要自己去分析错在哪里,但是我本来就是不会才做错,那我肯定就分析不出来错在哪里,每次我就是看看答案怎么做,就过去了,这根本没有吃透知识点,下次还会犯错。

znx帮我分析,给我规划一条适合我的做题路径,给我了很大的信心,所以如果你现在做1000题正确率很低,做题没思路,不妨用znx测测,让他帮你找到薄弱点,加强一下:

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=WBH~atczc-csdnzy1000c-0504-editor_chengzz

当然还不止这些,做znx真的很上瘾,如果你对做数学题有恐惧感,或者不想刷数学题,那真的可以去试试,我考研的时候,每天最喜欢干的事情就是去看看自己的做题等级有没有涨

知能行搭配880题简直绝了

因为知能行有一个「AI猜你会不会」的功能,我做880题的时候就很喜欢用这个功能,因为知能行会先预测我可以做出来哪些题,我就先做,对于那些暂时做不出来的题目,我也不急着做,让知能行帮我继续训练。

这样我就可以更加有针对性的做题,提升更加的高效。

对于强化阶段的复习,大家要把时间更加集中在做题上面,而且最好不要题海战术,精益求精才是提升的王道。

下面来说说我的考研数学完整的复习规划:

一、25考研数学规划

大家在选择老师的时候,要根据自己的基础,选择适合自己的老师

考研数学:基础差就跟汤家凤,基础好就跟张宇,武忠祥

考研线代:前四章跟汤家凤,后两张跟李永乐

概率论:基础不好就跟余丙森,基础好就跟方浩或者王式安。

二、考研数学基础阶段

我推荐使用"知能行+1800基础篇"。

"知能行"是一个刷题网站,我在二战时得到朋友的推荐并使用过。这个网站彻底改变了我对数学学习的看法。它采用深度神经网络算法(人工智能)和大数据分析,可以检测我的学习盲点,然后为我推荐适合我的题目。

"知能行"采用个性化学习方法,因此每个人的练习内容都不同。它会精准地抓住我的薄弱点,然后有针对性地进行训练。当你使用它学习时,它会根据你的薄弱点来制定学习计划。许多人在听课时能够理解,但在做题时遇到困难,因为存在潜在的薄弱点。"知能行"能够找出你做题困难的根本原因,逐一帮助你克服这些薄弱点,最终完全掌握所有的知识点。

一旦确定我的学习问题,"知能行"便致力于帮助我深入理解未掌握的薄弱知识点。

事实上,我认为单独使用"知能行"已经足够了。如果你考虑要做"1800基础篇"的题目,我建议你在完成"知能行"的刷题后再考虑。因为"知能行"的刷题进度非常快,它主要针对你掌握不好的知识点进行练习。如果你的基础知识掌握得很好,你的水平将迅速提高,"知能行"可能会自动停止给你推送你已经会的题目,以便你进行其他题目的练习。

在这个时候,"1800基础篇"的作用是用来评估你使用"知能行"的效果。我在使用完知能行之后再去刷1800题,正确率能达到90%以上。

这个就是我以前刷知能行的等级图,下面是知能行官方对于这个等级的解释:

关于这个等级,我想多说一点,他真的非常能够调动我的刷题积极性,就像打游戏通关一样,每天学习数学想的最多的事就是怎么把等级给提上去,这是非常有成就感的一件事。等级也是做题能力的一种直观感受,可以看到自己的进步

三、考研数学强化阶段

在这个阶段的训练主要侧重于多做练习题,深化对知识点的理解,确保彻底掌握这些知识点,这样才能在冲刺阶段表现出色。

很多同学在强化阶段没有充分理解知识点,却急于做真题和模拟题,最终收效甚微

在这个阶段,你可以选择以下题集:660题+880题+知能行

知能行与660题以及880题相互协调

660题主要用于练习客观题,这个阶段可能会感到有一些挑战,建议将其留到强化阶段的后期,即在8月份左右。到那时,你会见识到足够多的题目,对做题也会有自己的方法和系统。

880题是一个非常出色的题集,可以用来练习大题,建议在6月份开始做。

或许有些同学会问,660题+880题是否需要做两遍。我的观点是要看你的时间是否足够。如果时间充裕,可以考虑做其中的错题。

在强化阶段,知能行的作用主要体现在以下方面:

  1. 补充不足:检测出在基础阶段你没有完全理解和学习的知识点,通过智能算法发现并弥补。
  2. 反复训练和重点强化:知能行内置了艾宾浩斯遗忘曲线,可以在你快要遗忘知识点时提醒你进行复习,反映在知能行的页面上通常是小黄点。这意味着你需要尽快复习相关知识点。

以下是我知能行页面的示例,你可以看到我有两个小黄点,表示我需要迅速复习“函数极限”和“导数应用”等内容。

当你的知能行等级达到三级时,表示你此时做660题等习题册的正确率大约在80%至90%以上。

3.综合训练:一旦你的等级达到一定水平,知能行将自动开启综合训练,使你能够在综合训练中提高解题能力并回顾所有的知识点

4.AI预测功能:如果你觉得做880题或660题相对困难,但又不愿花费太多时间在不必要的题目上,那么不妨尝试知能行的AI预测功能。我亲身体验后简直太喜欢了,这个功能可以帮助使用知能行的同学判断习题册中哪些题目需要做,哪些可以跳过。

这个功能不仅仅是为了节省时间而已,它让我有更多精力来解决我的核心问题,弥补我的基础知识不足。使用知能行的过程中,那些一开始被AI判定我不会的题目,可能会逐渐变成我完全掌握的题目。知能行从我的基础知识出发,全面了解我的知识水平,找到我突破的关键点,然后有步骤地帮助我突破和深入理解

顺便说一句:知能行的知识点非常全面,包括一些不在张宇18讲等讲义中的知识点和解题技巧

四、考研数学冲刺阶段

历年真题的使用质量直接决定了今年考研的分数上限,因此充分利用历年真题至关重要!

我总结了以下几点,务必在考研数学后期参考使用,这可以节省同学们超过一半的时间,提高备考效率!

1、真题的使用年限

对于那些在10月之前开始使用真题的同学,建议集中精力做近15年内的真题,最多考察近20年的内容

对于那些时间比较紧迫,10月之后才开始使用真题的同学,可以选择专注于做近10年内的真题,最多考察近15年的内容。在时间有限的情况下,选择近十年的真题进行训练是明智的,因为这些真题所涵盖的考点可以覆盖当年考题的80%以上。

2、如何高效利用历年真题

利用知能行的「真题AI预测功能」。这个功能具有以下特点:能够根据我的水平,预测出每一年真题的分数,并且具体到每一道题目,判断我是否能够解答出来。

是不是很神奇,我还没有做,知能行就可以预测出来。而且是根据我刷知能行的情况来进行预测的,所以数据特别准确。基本上能预测个八九不离是。

这个功能能节省我至少一半的刷真题的时间,把时间都花在那些需要重点突破的题目上面去。因为知能行会预测出来,每一年的真题,哪些是我可以稳拿分数的,这些就可以放心跳过,不用做,这就节省了我的很多时间,因为已经会了,再去花时间做也不会有提高。

对于那些自身能力尚未达到标准的知识点,知能行会立即引导我返回基础知识章节进行专项训练。这种有针对性的训练能够确保我们将精力集中在最关键的地方,我所付出的努力都将得到充分的回报,这种提分效果是最迅速的!

五、总结

考研数学的学习没有固定的套路,大家要根据自己在学习过程中的实践,不断的调整,达到最适合自己的状态,最后还有一些建议给大家,这些都是我在复习过程中总结出来的实用经验

1、避开那些可能会打扰你的人,包括室友、朋友和亲人等。他们可能会询问你有关考研的事情,不要理睬,等真正考上了再告诉他们也不迟。

2、我上面的规划虽然很详细,但真正能够执行的人却并不多。很多人并不是规划得不够好,而是缺乏足够的执行力。

3、如果无法控制自己玩手机,就把手机锁起来。考研的时间非常宝贵,看手机很容易让时间溜走。

4、考研时要着重抓主要科目,比如数学和专业课,要学会抓住重点。

5、保持良好的作息时间,身体健康是一切的前提。不要熬夜,确保每天睡够8个小时!

最后,你肯定能够上岸,一定要有这个信念!

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:/a/625310.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

OmniDrive:具有 3D 感知推理和规划功能的自动驾驶整体 LLM-智体框架

24年5月北理工、Nvidia和华中科大的论文“OmniDrive:A Holistic LLM-Agent Framework for Autonomous Driving with 3D Perception Reasoning and Planning”。 多模态大语言模型(MLLMs)的进展导致了对基于LLM的自动驾驶的兴趣不断增长&…

Lumina-T2X 一个使用 DiT 架构的内容生成模型,可通过文本生成图像、视频、多视角 3D 对象和音频剪辑。

Lumina-T2X 是一个新的内容生成系列模型,统一使用 DiT 架构。通过文本生成图像、视频、多视角 3D 对象和音频剪辑。 可以在大幅提高生成质量的前提下大幅减少训练成本,而且同一个架构支持不同的内容生成。图像质量相当不错。 由 50 亿参数的 Flag-DiT …

零样本身份保持:ID-Animator引领个性化视频生成技术新前沿

在最新的研究进展中,由Xuanhua He及其团队提出的ID-Animator技术,为个性化视频生成领域带来了突破性的创新。这项技术的核心在于其零样本(zero-shot)人物视频生成方法,它允许研究者和开发者根据单一的参考面部图像生成…

人工神经网络(科普)

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程…

Python 全栈体系【四阶】(四十二)

第五章 深度学习 九、图像分割 3. 常用模型 3.2 U-Net(2015) 生物医学分割是图像分割重要的应用领域。U-Net是2015年发表的用于生物医学图像分割的模型,该模型简单、高效、容易理解、容易定制,能在相对较小的数据集上实现学习…

利用KMeans进行遥感NDWI进行聚类分割

(1)解释 KMeans算法是一种非监督式的聚类算法,于1967年由J. MacQueen提出,聚类的依靠是欧式距离,其核心思想就是将样本划分为几个类别,类里面的数据与类中心的距离最小。类的标签采用类里面样本的均值。 这…

第16节 实战:文件转shellcode

我最近做了一个关于shellcode入门和开发的专题课👩🏻‍💻,主要面向对网络安全技术感兴趣的小伙伴。这是视频版内容对应的文字版材料,内容里面的每一个环境我都亲自测试实操过的记录,有需要的小伙伴可以参考…

《告别重复:Spring AOP让你的代码花园绽放》

厌倦了在代码花园中重复种植相同的植物(代码)吗?Spring AOP将是你的园艺师,帮助你修剪和优化代码,让花园更加丰富多彩! 文章目录 面向切面编程(AOP)主题文章一. 引言1.1 引入面向切面…

添砖Java之路(其八)——继承,final关键字

继承: 意义:让类于类之间产生父类于子类的关系,子类可以直接使用父类中的非私有成员(包括方法与成员变量) 。 extends关键字就是定义声明父类。 格式:public class 子类 extends 父类。 对于基础的我就不赘述了,我…

汇舟问卷:做小生意也依然可以取得成功

冷门小生意之所以能够成功发财,主要是因为竞争相对较少。相较于那些已被大家知晓且看似热门的生意,冷门小生意的利润空间更多且风险更低。 冷门小生意常常具备低成本和高回报的特点。举个例子,与开设一家餐厅或者服装店相比,成立…

【源码】Spring Data JPA原理解析之Repository的自动注入(一)

Spring Data JPA系列 1、SpringBoot集成JPA及基本使用 2、Spring Data JPA Criteria查询、部分字段查询 3、Spring Data JPA数据批量插入、批量更新真的用对了吗 4、Spring Data JPA的一对一、LazyInitializationException异常、一对多、多对多操作 5、Spring Data JPA自定…

电脑没有网络连接怎么办?4招轻松完成网络连接!

“我的电脑开机后发现连接不上网络,尝试了很多次也不行,这是因为什么呢?有什么比较好的解决方法吗?” 当电脑无法连接到网络时,可能会给我们的工作和生活带来诸多不便。然而,大多数网络连接问题都可以通过一…

C#实现长方体棱锥圆柱棱柱圆锥展开折叠旋转缩放

C#实现长方体棱锥圆柱棱柱圆锥展开折叠旋转缩放 C#实现 模型边数 长方体 棱锥 圆柱 棱柱 圆锥 实现功能 展开 折叠 颜色 边框颜色 旋转 缩放 大小 视图方向 项目获取: 项目获取:typora: typora/img (gitee.com) 备用项目获取链接1:yife…

Linux的进程间通信 管道 进程池

目录 前言 进程间通信的基本概念 管道 匿名管道 pipe函数 cfc 管道的四种情况 管道的五种特征 进程池 ProcessPool.cpp: Task.cpp: 前言 ubuntu系统的默认用户名不为root的解决方案(但是不建议):轻量应用服…

安卓悬浮窗----可移动的悬浮窗

目录 前言一、添加对悬浮窗功能的支持二、通过service实现悬浮窗2.1 窗口属性和标志2.2 窗口移动 三、完整代码 前言 记录一下基础的悬浮窗实现,分为几个重要的点进行阐述。 一、添加对悬浮窗功能的支持 app要实现悬浮窗功能,首先app要添加对悬浮窗功…

【瑞萨RA6M3】2. UART 实验

https://blog.csdn.net/qq_35181236/article/details/132789258 使用 uart9 配置 打印 void hal_entry(void) {/* TODO: add your own code here */fsp_err_t err;uint8_t c;/* 配置串口 */err g_uart9.p_api->open(g_uart9.p_ctrl, g_uart9.p_cfg);while (1){g_uart9.…

扫码枪与Input的火花

文章目录 前言一、需求:交互细节二、具体实现两个核心的函数:自动聚焦 三,扩展知识input 与 change的区别 前言 在浏览器扫描条形码获取条形的值,再操作对应的逻辑。这是比较常见的业务,这里记录实际操作。 其中PC端…

spacy NER 位置信息不考虑空格!!!

texts ["疫情期间,俄罗斯 联邦军队医疗机构的负责人Saanvi Alia在方城县启动了远程医疗服务。","疫情期间,俄罗斯 联 邦 军队医疗机构的负责人Saanvi Alia在方城县启动了远程医疗服务。","疫情期间,俄罗 斯 联 邦 …

PR对比模板|手机竖屏分辨率视频效果前后对比模板剪辑素材

Premiere Pro前后对比效果模板,适用于化妆前后对比、视频调色效果前后对比、同一地方人物活场景变化等视频制作剪辑使用。 主要特点: 只需将图像或视频导入占位符,编辑前后文本,并使用控件微调动画计时。 可以打开或关闭前后屏幕…

LeetCode2095删除链表的中间节点

题目描述 给你一个链表的头节点 head 。删除 链表的 中间节点 ,并返回修改后的链表的头节点 head 。长度为 n 链表的中间节点是从头数起第 ⌊n / 2⌋ 个节点(下标从 0 开始),其中 ⌊x⌋ 表示小于或等于 x 的最大整数。对于 n 1、…