AI竞赛备考适合采用同一知识点先手算、再编码、最后交叉检查的方式。USAAIO同时重视数学推理与程序实现，不能只会调用模型。2027赛季第一轮报名于2027年1月31日美东时间23:59截止。
一、先按知识点配对，不要把数学与代码分成两个学期
USAAIO大纲中的数学基础涉及线性代数、概率统计、多元微积分和凸优化；程序基础包括Python、NumPy、pandas及机器学习相关工具。学习时最值得建立的联系，是一个数学对象如何变成程序里的数组、函数或训练步骤。例如，向量的维度对应数据形状，损失函数对应一段数值计算，梯度对应参数更新方向。
可以选一个小主题连续推进：先用纸笔算出预期结果，再用短程序复现，最后改变输入检查输出。这个过程会暴露不同类型的缺口：纸笔已经错了，通常需要补概念；纸笔正确而程序不符，优先排查索引、形状、运算轴或数据类型。不要用“代码能运行”替代“结果有依据”。
| 共同主题 | 纸笔练习 | 程序练习 | 两边怎样核对 |
|---|---|---|---|
| 向量与矩阵 | 计算内积和矩阵乘积，标出维度 | 用NumPy实现同一运算 | 检查形状与逐项结果 |
| 概率与统计 | 写清事件、条件和分母 | 统计计数，计算样本比例 | 区分理论概率与有限样本频率 |
| 损失与优化 | 对简单损失求导并更新一次参数 | 实现预测、损失和参数更新 | 比较更新前后数值 |
| 模型评价 | 手算一个小型评价指标 | 计算验证结果并检查输入 | 对照正类定义与计算口径 |
表中配对关系可以作为练习组织方式，不是考试分值的分配表。刚接触NumPy时，宁可使用两个样本完成一次完整计算，也不要同时引入大型数据、复杂模型和多个新库，导致出错后无法确定问题来自哪里。
二、用一个线性回归例子把三个步骤跑通
下面是自编练习，不带截距，模型为预测值ŷ＝wx。两组样本分别为(x，y)＝(1，2)和(2，4)，采用两条样本平方误差的平均值：L(w)＝［(w－2)²＋(2w－4)²］/2＝2.5(w－2)²。因此导数为L′(w)＝5(w－2)。
从w＝0开始，损失为10，梯度为－10。取学习率0.1，按新参数＝旧参数－学习率×梯度更新，得到w＝1；此时两条预测为1和2，损失降为2.5。这个小例子中，纸笔结果、数组计算和更新方向都能互相核对。
自编线性回归练习：手算、参数更新与数组计算核对
写程序时，可按顺序构造X＝[1，2]、y＝[2，4]，再计算预测、误差平方的平均值和梯度。特别留意损失是“平均”还是“求和”：如果代码使用求和而纸笔使用平均，梯度就会差一个样本数量因子，不能把差异直接归结为浮点误差。
接下来做两次有目的的改动。先把初始w改成3，预测偏大时，梯度应推动参数减小；再减小学习率，观察单次更新幅度。这里的损失下降来自本例和所选步长，不能据此认为任意学习率、任意模型每一步都会下降。一次成功演示之后，还要会解释它成立的条件。
三、根据错误类型调整下一次练习
如果能够推导公式，却总是被数组报错打断，下一次练习应减少新数学内容，集中训练形状、索引和批量运算。例如先在纸上写出每个变量的形状，再逐行打印中间结果，用两个样本对照，确认没有发生意外广播。等这一层稳定后，再扩展到更多样本。
如果程序能得到结果，却解释不了为什么这样更新，就暂时把框架简化为最小例子。尝试说明输入是什么、输出是什么、参数怎样影响损失，以及哪个步骤利用了训练标签。只有能回答这些问题，再使用库函数，才更容易判断参数设置与返回结果是否合理。
如果两边都做对但耗时过长，可以记录时间究竟花在读题、推导、查接口还是调试。把同一模型反复运行很多次，未必能解决读题缓慢；反过来，增加纯数学难题，也未必能补齐文件读取和提交格式。复习安排应针对具体卡点，而非给数学和编程永久规定一个比例。
四、按第一轮的两部分安排完整演练
2027赛季第一轮为2027年2月19日美东时间12:00—15:00，对应北京时间2027年2月20日01:00—04:00。日常同题双练之外，还应另做一次接近实际流程的分段模拟，两部分的计时和开始窗口分别确认。
非编程部分：须在美东时间12:00—12:15开始，个人计时60分钟，系统于13:15统一关闭。
编程部分：须在美东时间13:30—13:45开始，个人计时75分钟，系统于15:00统一关闭。个人计时从实际开始时起算，两部分仍分别受统一关闭时间限制。
第一部分训练快速识别题目条件、选项含义与所需计算，练习时减少依赖运行代码验证答案。第二部分则练习在Google Colab里完成数据处理、程序运行和文件输出。第一轮全部代码运行于CPU，不要求也不允许使用GPU，所以平时应至少有一套能够在CPU环境完成的练习流程。
模拟结束后，复盘应留下两类证据：纸笔部分记录推理链中最先出错的位置，编程部分记录造成错误的具体输入、形状或输出文件。下一轮只改变一两个关键因素，才能看出练习是否产生效果。相比堆积题目数量，一套可解释、可复现的小流程更容易持续改进。
五、赛前还要把练习成果接到真实操作上
每一轮都需要到场并由真人监考，第一轮在学生所在学校或USAAIO授权考点进行。准备学术内容的同时，应完成监考与设备安排，不能把Colab机考理解为可以独自在家作答。报名截止时间是2027年1月31日美东时间23:59，也应与监考沟通时间一起列入准备清单。
收尾时可以保留一本简短的“公式—数组—检查结果”记录。每个主题写下一条核心关系、一个最小输入和一个能发现错误的测试；再次遇到相近题目时，先用这些检查点确认理解，再展开更大的模型。这样数学复习会持续产生可运行的实现，代码练习也会不断返回可解释的结论。
🔥 AI 奥赛体验课，限时 9.9 元 （原价649元）
翰林名师亲授，一课打通 AI 四大领域，零基础也能学，扫码即可报名咨询 ⇓
USAAIO竞赛新赛季备赛已开启，扫码领取USAAIO真题&参考书
欢迎咨询【USAAIO竞赛辅导课程】
