内容结构：知识体系全景图与高频考点分布
武大数据科学考研真题覆盖五大核心模块，各模块分值占比与考查重点如下图所示。建议考生根据自身基础，采用“基础模块精学+核心模块强化+前沿模块拓展”的三阶段复习策略。
模块一：数据结构与算法设计（占比35%）
核心考点
- 树与图：AVL树旋转、红黑树插入、最小生成树（Kruskal/Prim）、最短路径（Dijkstra/Floyd/Warshall）
- 字符串：KMP算法、后缀数组、Trie树、AC自动机
- 高级数据结构：并查集（带路径压缩+按秩合并）、线段树/树状数组、跳表、B/B+树
- 算法设计：分治、贪心、动态规划、回溯、分支限界、随机化算法
真题高频场景
- 社交网络分析：社区发现（Louvain算法）、影响力最大化（Celf++优化）
- 推荐系统：协同过滤中的相似度计算优化、矩阵分解的梯度更新
- 生物信息学：序列比对（Needleman-Wunsch）、基因组组装中的de Bruijn图
- 系统设计：LRU缓存（哈希链表组合）、分布式锁（Redis Redlock）
年真题实证：一道15分编程题考查“基于跳表实现有序字典”，要求支持O(log n)时间复杂度的插入/删除/查找，并处理并发访问（使用读写锁），满分答案需包含完整的线程安全设计。
模块二：机器学习与数据挖掘（占比30%）
必考基础算法
- 监督学习：线性回归（含正则化）、逻辑回归、SVM（核函数选择）、决策树（C4.5/CART/随机森林）
- 无监督学习：K-Means（初始化优化）、EM算法、主成分分析（PCA）、聚类评估指标（轮廓系数、Calinski-Harabasz）
- 模型评估：交叉验证、偏差-方差分解、ROC/AUC、PR曲线、F1值
进阶考查方向
- 集成学习：Boosting（AdaBoost、XGBoost）、Bagging（随机森林）、Stacking
- 深度学习：CNN（ResNet、EfficientNet）、RNN（LSTM/GRU）、Transformer（BERT变体）
- 图学习：图卷积网络（GCN）、图注意力网络（GAT）、知识图谱嵌入（TransE、RotatE）
- 可解释性：LIME、SHAP、反事实解释、注意力可视化
典型应用题型
- 推荐系统：矩阵分解、因子分解机（FM）、深度协同过滤（DeepCF）
- 自然语言处理：文本分类（TextCNN/TextRNN）、命名实体识别（BiLSTM-CRF）、机器翻译（Seq2Seq+Attention）
- 计算机视觉：目标检测（YOLO、Faster R-CNN）、图像分割（U-Net）、风格迁移
- 时序预测：ARIMA改进模型、LSTM预测、Prophet在电商销量中的应用
模块三：数据库系统（占比15%）
关系模型
- 范式理论（1NF~BCNF）
- ER图到关系模式的转换
- 函数依赖与闭包计算
SQL进阶
- 窗口函数（ROW_NUMBER/RANK/DENSE_RANK）
- 递归查询（WITH RECURSIVE）
- 事务隔离级别与MVCC实现
分布式数据库
- 分库分表策略（Hash/Range）
- 分布式事务（2PC/3PC/TCC）
- NewSQL架构（TiDB、CockroachDB）
年真题：设计一个“用户行为分析数据库”，需支持实时统计各渠道转化率（含漏斗分析），要求写出ER图、关系模式、关键SQL（含窗口函数实现路径分析），并说明如何应对高并发写入场景。
模块四：计算统计与大数据分析（占比12%）
核心能力要求：统计推断 + 数据可视化 + 大数据框架
统计方法
- 参数估计（矩估计、极大似然估计）
- 假设检验（t检验、卡方检验、ANOVA）
- 贝叶斯推断（MCMC采样、变分推断）
- 时间序列分析（ARIMA、GARCH、状态空间模型）
大数据技术
- Hadoop生态：MapReduce优化、HDFS副本机制
- Spark：RDD转换操作、DataFrame优化（Catalyst）、Structured Streaming
- 流处理：Flink窗口机制、CEP复杂事件处理
- 云平台：AWS EMR、阿里云MaxCompute实践
年真题：某电商平台日均产生2TB用户行为日志，需实时计算各商品的转化漏斗指标。要求设计Flink作业流程，说明State Backend选择、Checkpoint配置、反压机制处理方案。
模块五：前沿专题与综合应用（占比8%）
年
热点方向：联邦学习在医疗数据协同分析中的应用
典型题目：设计跨医院的肺结节CT影像联合建模方案，解决数据隐私保护与模型性能平衡问题
年
热点方向：大语言模型（LLM）的微调与应用
典型题目：针对金融问答场景，如何基于BERT进行领域适配？需说明预训练、微调、推理优化全流程
年
热点方向：AI for Science（科学智能）
典型题目：蛋白质结构预测中的几何深度学习方法（AlphaFold2原理解析与改进思路）
特别提醒：武大数据学院近年获批多项国家重点研发计划，真题常涉及相关课题内容，建议考生关注学院官网“科研动态”栏目。