數(shù)學之美讀后感（精選15篇）
認真品味一部名著后，相信大家都增長了不少見聞，何不靜下心來寫寫讀后感呢？現(xiàn)在你是否對讀后感一籌莫展呢？以下是小編為大家整理的數(shù)學之美讀后感，歡迎大家借鑒與參考，希望對大家有所幫助。
數(shù)學之美讀后感 篇1
我第一次看到這本書是在兩三年前，當時看的是電子書，雖然沒太仔細看，但是第一次近距離了解到這些互聯(lián)網(wǎng)應用背后的數(shù)學原理。
前段時間，我在小孫同學的桌上看到了《數(shù)學之美》的紙質(zhì)書，就向他借來讀。雖說“書非借不能讀也”，但實際上借了書也沒能好好讀，斷斷續(xù)續(xù)讀了有一個月才讀完。
由于工作背景的緣故，吳軍博士的這本書主要內(nèi)容集中在語言識別和搜索領域，但這絲毫不妨礙它確實反映了很多共同的道理。我總結(jié)了幾點供大家探討。
1、 簡單就是美
歐拉公式，最美的數(shù)據(jù)公式之一。
雖然在大家的眼里，數(shù)學是一門深奧的學科，但是很多數(shù)學規(guī)律卻能用非常簡單的公式表示出來。我想“簡單卻非常有用”或許就是數(shù)學之美的內(nèi)涵吧。
書中作者給了很多“簡單卻非常有用”的例子，比如簡單的布爾代數(shù)就是搜索引擎的數(shù)學基礎；比如助Google一舉逆襲成為搜索老大pagerank算法就是矩陣乘法迭代結(jié)合TF—IDF公式；地圖導航搜索就是簡單的動態(tài)規(guī)劃；統(tǒng)計語言模型可以輕松解決看似難度、復雜度超高機器翻譯、語音識別。
數(shù)學的精彩之處就在于簡單的模型可以干大事。從本質(zhì)上講，數(shù)學的思維方法就是抽象與簡化。簡單的.模型怎么來？靠的是先抽象，后簡化。對于復雜的問題，往往可以通過抽象，然后用數(shù)學模型來描述它。選擇了合理的模型就成功了一半。但是有了模型，往往模型看著簡單，但求解比較困難。這就需要合理假設繼續(xù)簡化，或者說通過增加合理的假設條件來簡化計算。以書上提到的馬爾科夫鏈為例，雖然公式的求解非常困難，但是一旦加上適當?shù)募僭O，問題就一下子簡化了非常多。
所以，針對紛繁蕪雜的現(xiàn)實情況，我們一定要能時刻準備著把復雜問題簡單化，一定要做到大膽合理假設，盡可能的簡化問題，抓住其主要矛盾，先用很小的代價解決大部分的問題，剩下的部分再分步解決。
2、 透過現(xiàn)象看本質(zhì)
作者說到，技術(shù)分為術(shù)和道兩種，具體的做事方法是術(shù)，做事的原理和原則是道。技術(shù)容易學，但也容易落伍，所以追求術(shù)的人一輩子工作很辛苦，只有掌握了道的本質(zhì)和精髓才能永遠游刃有余。真正做好一件事沒有捷徑，需要一萬小時的專業(yè)訓練和努力。
道是什么？道實際上就是方向，就是判斷。
我想有些領導之所以成為優(yōu)秀的領導，是因為他們掌握了道，反而對具體的術(shù)不那么關(guān)注。
舉個書上的兩個例子，都是關(guān)于搜索的：一個例子是搜索的本質(zhì)是什么？自動下載盡可能多的網(wǎng)頁；建立快速有效的索引；根據(jù)相關(guān)性對網(wǎng)頁進行公平準確的排序。另一個例子是搜索引擎作弊的本質(zhì)是什么？是在網(wǎng)頁排名信號中加入了噪聲，因此反作弊的關(guān)鍵是去除噪聲。
所以，我們在工作的時候，要善于理解事物的原理與本質(zhì)。要先回答是什么、為什么？最后才是怎么做。再比如，在學習某個軟件或某項技術(shù)時，就需要先掌握它的工作原理與工作機制，以便于我們判斷其適用的場景和不適用的場景，而不是先去熟悉怎么用它。
3、循序漸進、逐步演化
書上對自然語言處理著墨很多。最初的自然語言處理是基于規(guī)則的句法分析，但是一段時間過后，人們發(fā)現(xiàn)句法分析的準確率很難提升。正當句法分析派走投無路的時候，統(tǒng)計語言模型出現(xiàn)了，而且越走越順，很快就把句法分析派遠遠拋在了后面。問題就來了，那為什么最開始科學家們不直接研究統(tǒng)計語言模型？答案當然是不能，原因是時機還不成熟，因為統(tǒng)計語言模型所需要基于的大數(shù)據(jù)量的語言庫還沒有，大規(guī)模并行計算的能力還不夠。同樣的，統(tǒng)計語言模型就是最好的嗎？當然是不盡然，科學家們現(xiàn)在開始研究基于深度學習的自然語言處理，相信不久的將來，語言識別、機器翻譯會有另外一個質(zhì)的飛躍。
我們做什么事情都不可能是一蹴而就，一步到位，想畢其功于一役的往往最后的結(jié)局都是失敗的。
對我們團隊而言，不管是架構(gòu)規(guī)劃也好、系統(tǒng)建設也好、管理工作也好，更是需要找準突破口，循序漸進，逐步演化。當然，我們也不能固步自封、墨守成規(guī)。
數(shù)學之美讀后感 篇2
看完《浪潮之巔》，了解了硅谷很多公司尤其是互聯(lián)網(wǎng)公司的沉浮，對吳軍的書就非常感興趣，看到吳軍的另一本書《數(shù)學之美》，激起了很深的興趣，所以很快把書看完了，普及了很多基礎的知識的同時也啟發(fā)了很多想法，感覺很爽。
我自己在交大學的是工科（雖然沒怎么上過課），小學、初中、高中都是一路參加數(shù)學競賽，名次都還不錯，也因此沒有參加中考、高考，一路保送，自己對數(shù)學有很深的感情，同時女朋友大學也是數(shù)學系，有點后悔的大學選了個并不感興趣的專業(yè)（交大當時允許我隨便選專業(yè)，我沒有跟父母商量自己選了船舶制造）�？催@本書的過程中找到了很多高中在看競賽書的感覺，里面提到的很多概率論（不等式）、圖論、數(shù)論的知識是高中數(shù)學聯(lián)賽復試的重點，高中的時候已經(jīng)研究的很深了，不過大學荒廢了之后也忘得差不多了，書中提到的很多定理還很有親切感
書名叫做《數(shù)學之美》，顯得有些太大，畢竟更多的是吳軍在google做搜索相關(guān)工作用到的數(shù)學模型的介紹與總結(jié)，提到的數(shù)學部分大多集中在概率論、圖論、數(shù)論領域，所以書名太大了，可能hax說得對，也許是出版社為了賣書取得名字
不得不說吳軍是一個大家，文字中能夠透露出大家的`氣勢，書中不斷的穿插著各種歷史上的大科學家以及科技領域的大家的小故事甚至八卦，從文字中非常能夠感受到吳軍是一個和他們一個層次的人（即使他自己會自謙說是一個二流的工程師之類）
書中具體的模型就不介紹了，說幾點我學到的知識，能列出來的都是看完還有點印象的：
1、在互聯(lián)網(wǎng)的世界中，信息是如何量化的，信息熵是怎么回事？有啥用？
2、搜索領域中，語言是如何統(tǒng)計的，尤其是如何通過概率模型進行分詞
3、搜索引擎是如何工作的—網(wǎng)絡爬蟲是怎么回事兒
4、PageRank是怎么回事？為了解決什么問題？
5、密碼與解密領域的數(shù)學模型，尤其提到的二戰(zhàn)時候的各種解密的趣事兒，提到的電視劇《暗算》打算抽空看下
6、拼音輸入法的數(shù)學模型
7、文本自動分類的模型
看完之后最大的感受就是：
1、數(shù)學模型巨大作用，推動著新技術(shù)的發(fā)展
2、攻城師是一個偉大的職業(yè)，能夠運用這些知識轉(zhuǎn)化為生產(chǎn)力，非常牛叉
3、書中提到了很多數(shù)學模型都是在不斷的進化、改良、升級，也就是說有人不斷的在做優(yōu)化，會有不斷更好的模型、更新的技術(shù)出現(xiàn)，跟得上技術(shù)的發(fā)展可能也是比較重要的，否則很多人一直在做某一點上的持續(xù)優(yōu)化就沒有意義了。
但同時技術(shù)很大的作用是用來解決實際問題的，書中提到的各個數(shù)學模型、各種方法都是為了解決人們的需求或者業(yè)務的需求，畢竟公司不是科學研究所，所以追求通過技術(shù)直接解決用戶需求或者做成易用的工具給業(yè)務人員、運營人員來間接解決用戶需求是挺重要的，可能不是技術(shù)人員覺得做到80分就可以了，而是用戶、使用工具的人覺得做到80分是一個重要的衡量
提到“工具”，想到趙趙說過的一句話：“不好用就等于沒有”，可能就是這個點，同時運用工具的人必須好好的運用，如果用不好甚至不用就太對不起技術(shù)了
數(shù)學之美讀后感 篇3
上個月去北京開會，順道拜訪了人民郵電出版社，合作多年的編輯陳冀康贈我一本《數(shù)學之美》，說一定是我喜歡看的類型。以前也在網(wǎng)上零散看過Google黑板報上吳軍先生的文章，對他的前一本書《浪潮之顛》也有耳聞，但沒有讀過。這次有機會集中閱讀他的文章，確實是一段美妙的體驗。
讀完這本書有一點強烈的感受：工具一定要先進。數(shù)學是強大的工具，計算機也是。這兩種工具結(jié)合在一起，造就了強大的google、百度、亞馬遜、阿里、京東、騰迅等公司。他們不是百年老店，但他們掌握了先進的工具。
掌握了先進的工具，必將獲得競爭優(yōu)勢。如果你知道哪里有一群軟件工程師，維護著更大的一群計算機，那么不要猶豫，想辦法使用他們提供的服務，因為這會給你帶來優(yōu)勢。所以我們使用Google的搜索和郵件，在亞馬遜、京東和淘寶上購物，用QQ和微博聯(lián)系朋友，使用銀行卡和網(wǎng)上銀行，利用交易終端在全球市場上進行各種交易……
人類歷史就是一部工具的進化史。石器、青銅、鐵器、火藥、蒸汽機、內(nèi)燃機、電報、電話、電視、計算機、衛(wèi)星、互聯(lián)網(wǎng)，工具的進步引領著文明的進步。新的工具不斷淘汰老的工具，就像互聯(lián)網(wǎng)視頻點播正在淘汰電視、微博正在淘汰報紙、電子書正在淘汰紙質(zhì)書那樣。
但有一些古老的工具，今天仍有人在學習和使用，甚至在上面花費許多時間。毛筆就是這樣一個例子。今天學習掌握毛筆這種“落后的”工具，還有什么意義？其實我們在使用一些“落后的`”工具時，主要是在學習工具背后的思想。書法和繪畫中蘊含的藝術(shù)審美的一般原則，經(jīng)得起具體工具變遷的考驗。甲骨文、金文、石鼓文所包含的對空間構(gòu)圖的理解，仍然值得現(xiàn)代人學習。思想工具是比實物工具更強大的工具。
工具組合使用，形成更強大的新工具�！稊�(shù)學之美》中提到的馬爾可夫鏈雖然是很強大的工具，但我在數(shù)學課上沒有聽老師提到過。這本書中給我印象最深的例子是余弦定理和新聞分類。余弦定理是中學數(shù)學，再加上一些不算很難的多維向量的知識，竟然解決了計算機新聞分類這樣的難題！
每一種工具的背后，是人們對世界的一種理解。蒸汽機和內(nèi)燃機背后，是力學的世界。電報、電話、電視、計算機和互聯(lián)網(wǎng)背后，是信息的世界。數(shù)學是抽象的工具，是其他工具背后的工具。每一門學科要成為科學，都少不了數(shù)學。也許有一天人們會習慣，用數(shù)學工具來分析藝術(shù)。數(shù)學是一種語言，它源于具體的世界，又高于具體的世界。如果說語言是對世界的認識和描述，如果說數(shù)學是一種語言，那么它一定是最接近神的語言�？此坪敛幌嚓P(guān)，卻又能描述萬事萬物。
學習數(shù)學有什么用？物理學家費曼當年在大一時提出這個問題，他的師兄建議他轉(zhuǎn)到物理系。今天，這個問題已不成為問題。具有扎實數(shù)學功底的人才正進入各行各業(yè)，例如金融業(yè)。我認識一個出版社的老總，他招應屆畢業(yè)生有一個條件：數(shù)學要好。
工具雖好，關(guān)鍵還要會用。最終要回到掌握先進工具的人。軟件算法工程師加上計算機集群，這是目前一流企業(yè)必需的裝備。正如馬克。安德森所說的，各行各業(yè)的一流公司，都是軟件公司。優(yōu)秀的軟件算法工程師，是人才爭奪的焦點。這樣，我們就容易理解Google招工程師的要求。
對信息加工處理和傳遞的能力不斷增強，是知識經(jīng)濟的特點�！稊�(shù)學之美》展示了Google如何運用數(shù)學和計算機網(wǎng)絡，帶領我們進入云計算和大數(shù)據(jù)時代。
知識經(jīng)濟時代的工作，就是在各自的領域中進行科學研究�？茖W研究要大膽假設，小心求證�？茖W研究要量化�？茖W研究要有對比實驗�？茖W研究要有數(shù)學模型�？茖W研究要有田野調(diào)查�？茖W研究要有文獻查證。科學研究要有同行評議�！稊�(shù)學之美》向我們介紹了自然語言分析領域的科研方法和過程。
任何一個領域，深入進去都有無數(shù)的細節(jié)。有興趣的人不但沒被這些細節(jié)嚇倒，反而會興致勃勃地研究，從而達到令人仰慕的高度。吳軍先生向我們展示了數(shù)學和算法中的這些細節(jié)，也展示了他所達到的高度。值得我學習。
感謝吳軍先生分享他的知識和深刻見解，也感謝人民郵電出版社出了這樣一本好書。
數(shù)學之美讀后感 篇4
前一陣子因興趣研究CMUSphinx這套庫的應用不得要領，就去查看了下一些語音識別的基本原理的文章，偶然碰到了數(shù)學之美。其實浪潮之巔也是因此開始看的、結(jié)果先一步看完了，畢竟一本歷史書，一本介紹數(shù)學和語言處理的，難度不同
說實話，因為初中高中荒廢了太多時間，我的英文和數(shù)學基礎比較差，我大學的數(shù)學都是勉強修過的。一直以來數(shù)學對我是一個很恐怖的學科，也不知道為什么計算機專業(yè)對數(shù)學要求比較高。我個人就是數(shù)學分數(shù)很低，但是專業(yè)課學的還不錯，唯一好點的數(shù)學科目就是離散數(shù)學吧，另外的工科數(shù)學分析和高等代數(shù)都是慘不忍睹的
看完這本書后，我發(fā)現(xiàn)我還真是低估了數(shù)學的作用，一個復雜的語言識別過程，用統(tǒng)計語言模型竟然用那么簡單的數(shù)學模型就解決了，這對我的沖擊很大。另一個對我影響比較大的就是余弦定理和新聞的分類。以前那些各種三角函數(shù)的變換、三角函數(shù)，各種向量，各種空間圖形在我印象中就只能用于畫設計圖，或者搞空間物理化學等基礎學科的應用上，想著“這種東西和計算機編程有什么關(guān)系？要計算角度，庫里不都提供了嗎？”，哪成想到改變一下思路，改變一下方法，就簡單的把那么復雜的分裂問題給解決了。現(xiàn)在想想我當初想法還真是幼稚啊，可惜覆水難收，過去的時間已經(jīng)回不來了，但至少我現(xiàn)在明白了數(shù)學的重要性，總能想辦法彌補的。
不得不說國內(nèi)的教科書還真是太死板了。很多書上，先不說沒講應用領域和這個能干嗎，有些教科書連推導過程也沒說明白。像我大學時候的那幾本高代高數(shù)的教科書，在某一步關(guān)鍵的過程寫一句“顯而易見”，然后就莫名其妙的出現(xiàn)了結(jié)果，這讓我們基礎差的人情何以堪啊，更何況我問了那些數(shù)學好的，他們想推導出那一步也要想好久。后來換了一下同濟大學版，發(fā)現(xiàn)同樣的定理，同樣的范圍，就是理解起來容易了不少。果然好書和差一點的書差別真不少。所以我就在網(wǎng)上整理了一些好的數(shù)學書籍，等會兒就貼到文后，以后慢慢補。
"技術(shù)分為術(shù)和道兩種，具體的做事方法是術(shù)，做事的原理和原則是道。這本書的目的是講道而不是講術(shù)。很多具體的搜索技術(shù)很快會從獨門絕技到普及，再到落伍，追求術(shù)的人一輩子工作很辛苦。只有掌握了搜索的本質(zhì)和精髓才能永遠游刃有余。” ，然后吳軍先生用搜索反作弊的例子漂亮的解釋了這兩種差別。我以前做過的.項目里，如果出現(xiàn)沒想過的情況，就加一個異常處理處理特殊情況，本來很簡單的東西，愣是被我搞復雜了�，F(xiàn)在想回來，那時候境界太低，連開始的本質(zhì)和原理都沒弄清楚，就埋頭搞下去了，以后要多注意點。
我一向喜歡實用性強的方法和工具，在這書里我特別喜歡阿米特·辛格博士的那一章。吳軍博士就用寥寥幾頁的描述中講解了辛格博士的處理事情的方法和原則，先幫用戶解決主要的問題，再決定要不要糾結(jié)在次要的部分上；要知道修改代碼的所作所為，知其所以然；能用簡單方法解決就用簡單的，可讀性很重要。
不過中間有兩個部分沒搞明白，最大熵模型和貝葉斯網(wǎng)絡，沒搞懂為什么能解決那些問題。貝葉斯網(wǎng)絡還能稍微理解，少了馬爾科夫鏈的線性約束，更自由；但最大熵模型真搞不懂為什么那么好用，以后繼續(xù)研究。
總之這是一本很好的書，推薦大家讀一下。
數(shù)學之美讀后感 篇5
第8章里的“索引”，作者講到谷歌面試產(chǎn)品經(jīng)理的一道題目：如何向你的奶奶解釋搜索引擎。關(guān)于這個問題，好的回答據(jù)說是用圖書館的索引卡片做類比。
我奶奶是個文盲，一生為農(nóng)，日出而作，日落而息。她很少看電視，更別說圖書館。所以用圖書館的例子，對我們來說，很生動；對她來說，很生澀。
我們村的田地是按照地形、土質(zhì)和流水等來劃分的，計有一等地、二等地和三等地。一般情況下，一等地用來種水稻，二等地用來種菜，三等地用來種水果。
所以當我奶奶想要給我摘桔子的時候，她肯定不會從一等地或者二等地一塊地一塊地找過來，而是直接跑到三等地（一般就是山上）。
像這樣的索引，是基于腦子里的“數(shù)據(jù)庫”，因為田地不會很多，多了也來不及種，所以跟布爾代數(shù)沒什么關(guān)系。但是這樣解釋，我奶奶就會大概明白了。我奶奶生前一次電腦也沒用過，跟她解釋這些，唯一的意義是，她會覺得我沒有敷衍她，這會使她欣慰——如果有機會解釋的話。
楊小凱曾經(jīng)說，如果張五常多加注重使用數(shù)學模型，那諾獎也許就拿下了。張五常對此不以為然，反以為傲，自詡當今世上只有科斯、阿爾欽和他才敢只用文字，不借助數(shù)學模型就在經(jīng)濟學界占有一席之地。
當然，張五常也不是徹底否定數(shù)學的作用，他認為能夠用文字解釋的經(jīng)濟學原理，不必使用數(shù)學對其復雜化。
數(shù)學在信息學和經(jīng)濟學里都有廣泛應用，但是在信息科學方面，對數(shù)學作用大小的爭論就沒有經(jīng)濟學那么大了。
我們常說搜索引擎的競價廣告，就可能經(jīng)歷到第三方公司，通常他們宣傳自己是谷歌或者別的搜索引擎公司的代理商，然后通過不正當手段為客戶提高網(wǎng)頁的`排名。谷歌在消除網(wǎng)絡作弊方面做了很多努力，通過修改排序算法來為搜索者提供更加準確實效的信息。
“作弊的本質(zhì)是在網(wǎng)頁排名信號中加入噪音，因此反作弊的關(guān)鍵是去噪音。沿著這個思路可以從根本上提高搜索算法抗作弊的能力�！蔽覀児揪褪浅粤诉@個虧，交了不少錢給第三方公司，結(jié)果算法一變，關(guān)鍵詞的排名從前三下降到前三頁沒影。
社交搜索正在雄起，但是如果想要在傳統(tǒng)的搜索引擎中占據(jù)有利排名，我想，第三方公司的技術(shù)水平是很關(guān)鍵的。
大學專業(yè)課里，數(shù)電總是要比模電簡單不少。
自然界里大部分的信號都屬于模擬信號。所謂模擬信號，是指時間和數(shù)值上都是連續(xù)變化的信號。在實際電路中，模/數(shù)轉(zhuǎn)換是一個很重要的過程，將預處理的模擬信號經(jīng)過模/數(shù)變換為數(shù)字信號，然后進行數(shù)字信號處理。而數(shù)字化處理有很多優(yōu)點，比如功能強大、抗干擾能力強、易集成化等。
簡而言之，如果沒有數(shù)學，就沒有數(shù)字信號處理的概念，也就無法進行信號的傳輸，而數(shù)字信號傳輸在大規(guī)模的集成電路里是必不可少的，這是通信成功的基本要求。
之前看到有人說如果高中看這本書，也許數(shù)學就是另一番天地，會有所突破。我不覺得，如果高中看這種書，我想，大多數(shù)人還是會對數(shù)學更加望而卻步。本書更適合通信電子這些專業(yè)的學生，在學習專業(yè)課的時候輔助閱讀，對理解通信原理、數(shù)電模電等都有更形象生動的想法。
數(shù)學之美讀后感 篇6
我是在讀了吳軍博士的《浪潮之巔》之后，發(fā)現(xiàn)推薦了《數(shù)學之美》這本書。我到豆瓣讀書上看了看評價，就果斷在當當上下單買了一本研讀。本來我以為這是一本充滿各種數(shù)學專業(yè)術(shù)語的書，讀后讓我非常震撼的是吳軍博士居然能用非常通俗的語言將自然語言處理等高深理論解釋的相當簡單。在李開復博士之后，吳軍博士又成為了目前備受矚目的具有深厚技術(shù)背景的作家。對于我來說，讀這本書有掃盲的功效，讓我知道了很多以前不知道的東西。我的想法是在研究生階段，不只局限于導師的研究方向，通過更加廣泛的涉獵知識，去尋找一個自己喜歡的研究領域。如果找到了這樣一個領域，那么我就讀博士。如果沒有的話，那么我想還是工作算了。
1、學科之間的聯(lián)系是如此的重要
全書主要是圍繞著吳軍博士所研究的自然語言處理方向來講述一些應用在這個研究領域的數(shù)學知識，用了很大篇幅講解了將通信的原理應用到自然語言處理上所取得的巨大成功。以前學習計算機網(wǎng)絡的時候，學過一個香農(nóng)定理。對香農(nóng)的認識就從香農(nóng)定理開始，因為考研會考相關(guān)的計算題�？戳诉@本書才知道，香農(nóng)的《信息論》對今天的影響真的是不可估量。通過這樣一個過程，我也對以前的本科學校的學科建設產(chǎn)生了一些憂慮。對于培養(yǎng)計算機人才來說，無論是培養(yǎng)應用型人才，還是培養(yǎng)研究型人才，都應該與電子、通信有一定的交叉，這樣對學生思考問題的啟發(fā)與視野的開闊有著重要的作用。計算機本身就是從電子、通信、數(shù)學等學科中抽出來的新興的學科，在發(fā)展了多年之后，我們發(fā)現(xiàn)它仍然需要繼承一些傳統(tǒng)�；叵胱约旱谋究扑哪�，上的更多的課時
語言類、技術(shù)類的課程，這些課程的確對提升學生的就業(yè)有很大幫助。但是我想說的是，一個忽視數(shù)學基礎、學科交叉的學校，他無法成為一所國內(nèi)的一流大學。作為一個母校培養(yǎng)的學生，我深知改革的阻力與困難，但是我希望母校的計算機學院能越辦越好。我們現(xiàn)在已經(jīng)培養(yǎng)出很多高薪優(yōu)秀的技術(shù)人才，我希望將來也能培養(yǎng)出更多的研究型人才。
2、看起來很牛的東西卻用著難以置信的簡單數(shù)學原理
在整本書中讓我最為印象深刻的是解釋Google搜索的原理，居然就是簡單的布爾代數(shù)運算。這個的確讓我大跌眼鏡，我一直認為搜索時一個非常復雜而龐大的問題，其數(shù)學原理也是相當高深的，但是吳軍博士的解釋讓我大開眼界。與此同時也知道了Google為什么牛，牛在哪了。搜索的原理雖然非常簡單，但是搜索是一個需要對海量數(shù)據(jù)進行操作的工作。Google在海量數(shù)據(jù)的處理方面的確是相當先進的，MapReduce、BigTable等等一些技術(shù)的發(fā)明與應用使得Google在搜索上無出其右。目前分布式存儲、分布式計算、數(shù)據(jù)倉庫與存儲等研究領域近些年來的大熱也說明Google在引領研究方向上的超凡本領。
3、感謝概率老師的教誨
在大二的時候，有一個在我們學生中聲望很高的概率老師，他在課程即將結(jié)束的時候跟我們說我們將的是前幾章，這些事概率論與數(shù)理統(tǒng)計的基礎。對于你們計算機的學生來時，后面的章節(jié)才是最有用的，以后一定要好好的研究，弄上一兩個在你的畢業(yè)設計上就會讓你畢業(yè)設計提升一個檔次，有可能驗收你畢業(yè)設計的老師也不懂。我當時對他的話沒有特別在意，我只關(guān)心期末考試要考哪些題目，因為我那個學期的概率課基本上都在睡覺，只有他講笑話的`時候不睡。我看《數(shù)學之美》后發(fā)現(xiàn)馬爾科夫鏈、貝葉斯網(wǎng)絡之后，對以前的概率老師充滿無限的敬意。我發(fā)現(xiàn)我們再本科階段學習的《高等數(shù)學》、《線性代數(shù)》、《概率論與數(shù)理統(tǒng)計》在計算機學科應用較多的要數(shù)概率論與數(shù)理統(tǒng)計，還有一門我學的不好的《離散數(shù)學》在計算機中也是有著舉足輕重的地位。我在看米歇爾的《機器學習》時也發(fā)現(xiàn)很多熟悉的概率論與數(shù)理統(tǒng)計的知識，這讓我不得不開始考慮重新彌補自己的數(shù)學短板。我的想法是在研一這一年把概率論與數(shù)理統(tǒng)計、線性代數(shù)、離散數(shù)學盡我最大的努力補一補，希望他們對我今后的學習有所幫助。
4、說說作者吳軍博士
吳軍博士寫的書對于學習計算機的學生來說，讀起來有種說不出的親切感。可能這跟他是技術(shù)出身的原因有關(guān)，流暢的文筆、質(zhì)樸的文風也讓人讀起來很舒服�？锤邥运稍趦�(yōu)酷上的《曉說》就知道，在硅谷有著眾多的華裔工程師，他們很多都來自清華、北大等國內(nèi)的名牌大學，這些人在美國實現(xiàn)著自己的夢想。吳軍博士也曾是這其中的一員，我非常希望那些像吳軍博士一樣的牛人們能夠?qū)憰蛘邅韲鴥?nèi)的大學做一些演講、論壇等等，開闊一下我們的視野，傳授一下做學問的經(jīng)驗。與此同時，我也在想為什么我們國家那么多優(yōu)秀的IT人才都去了美國。這個問題在我去蘋果公司在東軟信息學院組織的培訓過程中得到了答案，那個南京郵電的老師講了講中國為什么不像美國那么有創(chuàng)造力。我們中國人并不缺乏創(chuàng)造力，很多時候是我們所處的外部環(huán)境恰恰阻礙了創(chuàng)新。我想那么多優(yōu)秀的清華北大學子紛紛到大洋彼岸的美國，正是被美國開放的學術(shù)環(huán)境、創(chuàng)新氛圍所吸引，每個人都有自己的夢想，他們?nèi)ッ绹彩菫榱四軐崿F(xiàn)自己的夢想。以前都覺得他們是不愛國，現(xiàn)在長大了，對于這個問題看得更清楚了一點。我想說我們的祖國在經(jīng)歷了改革開放30多年的飛速發(fā)展之后，目前正處于一個關(guān)鍵和脆弱的時期。我們靠著人口紅利取得了巨大的成就，我們能不能憑借人才紅利取得更大的成就還是未知。希望有更多的人才能像李開復博士、吳軍博士那樣，為我們這個民族青年的成長和國家發(fā)展做出貢獻。
數(shù)學之美讀后感 篇7
近來，我通過中國大學MOOC的慕課《數(shù)學建模》獲悉一部叫《牛津通識讀本》的新出版科普系列。同時購入的有六本——《數(shù)學》《法律》《佛學概論》等。由于告知該書的慕課是數(shù)學課，我首先閱讀的是《數(shù)學》。
令我意外的是，本系列的書每本篇幅都短小精悍得讓人愉悅（英文類書系列名就叫A Very ShortIntroduction）。就這本16開大小的《數(shù)學》中，有實際內(nèi)容的只100頁左右，剩下的有數(shù)十多頁附注/答疑，與及100多頁的英文原稿（原書作者高爾斯是英國學者）。本書內(nèi)容質(zhì)量非常高，并未使『西方當代學科科普』這個標簽失色。再考慮到其篇幅如此短小，看來，以后為非理工科班出身的青年們推薦數(shù)學科普書，就不必只記得伊恩·斯圖爾特與馬丁·加德納了。
雖然這是數(shù)學科普，但作者可深知讀者心。西方作者所著的數(shù)學科普，一向都很能熟練地脫公式脫符號講問題。與同類書籍比較之下，本書還有個小小的特點：其章節(jié)敘述順序，既不硬從數(shù)學史（人類認知史）的流程，也不完全順應個體認知心理學（教育學）的順序。開篇破題他選的議題是『數(shù)學模型』，非數(shù)學專業(yè)學生最能適應的一種破題點；然后第二章緊緊承接主題『模型化』，開談『抽象化』。這個過程的敘述行云流水。我感覺作者很懂怎樣說該說的、省去不必說的、跳過不能說的。
第二章《數(shù)與抽象》中，作者在引入復數(shù)時，首先不能免俗地做了其他科普書差不多的工作：—1的開平方根是復數(shù)的定義blabla；然后，他將議題轉(zhuǎn)入更接近上游本質(zhì)的、但也許常人可能也會想過的問題：形式與實在的關(guān)系。
不是說『—1的開平方根』是復數(shù)單位i嗎？但似乎有兩個數(shù)的平方等于—1�。ㄒ布磇與—i），到底哪個才是正宗的『復數(shù)單位』？如果說i是嘛，那么憑什么—i不是？給我講清楚啊——對吧？我猜，每個人在其漫長的人生中，都曾經(jīng)想問過這類問題吧：『為嘛數(shù)變量用abc、角變量用αβγ』『為嘛求導符用的是一個點』『為嘛積分符像條蛇』『為嘛積分式里有個d』諸如此類。這些問題并不無聊也不白癡，只是常人很難給出有意義的回答而已；它們中的每個往往都蘊含著16世紀數(shù)學大師們的智慧精華。當然，本書沒有解答所有這類奇離古怪的問題（這不是《十萬個為什么》）。在本書里，作者做的.是教授課間做的那種事——隨便跟好奇的學生聊聊天，證明過程少說了個『在這個條件下』待會再補上。上面提到的『i與—i哪個才是復數(shù)單位』這個議題，這段簡短的討論，同時也扮演了下一章《證明》的引子這個角色。
進度到第三章《證明》結(jié)束之后，對讀者而言，或許就只剩一個小時的閱讀時間而已了。后面的章節(jié)，議題越來越抽象（空間、維度、距離、無窮等），正要抵達最有趣的部分（集合論）時，突然話鋒一轉(zhuǎn)，談起了與抽象幾乎相對的另一端：計算理論與數(shù)論；然后，本書的主體竟在此突然收官。看來，作者多多少少還保持了清醒，未過度狂熱，未打算將每個有趣的命題都灌到讀者腦里。在我看來，那種大雜燴式科普其實是很不人道的。大家和我一樣都讀過一遍又一遍的七橋問題與雪花曲線，沒必要再來一次了。這些老生常談的話題，在本書里各只占了一頁的篇幅。太好了。
數(shù)學之美讀后感 篇8
在看吳軍的《數(shù)學之美》之前，我并沒有看過他寫的《浪潮之巔》、《文明之光》等書，但是他主理的得到專欄《硅谷來信》已經(jīng)聽了很久，對吳軍其人頗為了解——本碩畢業(yè)于清華大學，然后在約翰霍普金斯大學攻讀博士，02年、10年先后在谷歌和騰訊任職，是著名的自然語言處理和搜索專家，現(xiàn)在主業(yè)是硅谷風險投資。他的專欄宣傳標語是“像時代領航者一樣思考”，吳軍也確實具有“時代領航者”那樣的視野和見識，除了專業(yè)領域之外，對于日常生活和學習、職業(yè)發(fā)展也有不俗的見解。
《數(shù)學之美》最初是吳軍做谷歌研究員時，在谷歌黑板報上撰寫的一系列文章。雖然谷歌黑板報的本意是讓吳軍從一個科學家的角度介紹一下谷歌的技術(shù)，但是他卻更希望“讓做工程的年輕人看到在信息技術(shù)行業(yè)做事情的正確方法”——因為吳軍剛到谷歌時，發(fā)現(xiàn)谷歌早期的一些算法根本沒有系統(tǒng)的模型和理論基礎，而是用“湊”的方法解決問題，工程水平低下。國內(nèi)這種情況就更加泛濫了。
后來，吳軍又將這一系列博客幾乎重寫了一遍，寫成了《數(shù)學之美》，希望它能向非IT行業(yè)的從業(yè)人員普及一些IT領域的數(shù)學知識，能成為茶余飯后消遣的科普讀物。“世界上最好的學者總是有辦法深入淺出地把大道理講給外行聽，而不是故弄玄虛地把簡單的問題復雜化”，因此吳軍盡力以伽莫夫（《從一到無窮大》作者）、霍金為榜樣，力圖將數(shù)學之美展示給所有普通讀者。
由于我學習過概率論、數(shù)理統(tǒng)計、數(shù)據(jù)結(jié)構(gòu)，整本書看下來，除了某些章節(jié)后的“延伸閱讀”和馬爾可夫鏈等內(nèi)容外，其他都是可以看懂的。其實看不懂的部分主要是在用數(shù)學推理證明文中的論點，即使不看也不會影響閱讀體驗。
吳軍在扉頁講道：“數(shù)學之美，首先在于其內(nèi)容或許復雜而深奧，但形式常常很簡單。同時，數(shù)學之美還在于數(shù)學原理的通用性和普遍性——數(shù)學上的一點突破，可以帶動很多領域和行業(yè)的進步�！�
我高中時曾因為數(shù)學的應用不明確而對其抱有偏見，直到大學接觸到了數(shù)學建模。同樣，這本書中講到了許多數(shù)學在信息技術(shù)工程領域的應用，搭建了數(shù)學與應用之間的橋梁。
書中最令人印象深刻的例子就是通信。人與人之間的交流，也算是廣義上的通信，因此通信與我們的生活息息相關(guān)。而數(shù)學在通信中的應用非常普遍，因為從電報、電話、電視到互聯(lián)網(wǎng)，這些現(xiàn)代通信都遵從著信息論的規(guī)律，而整個信息論的基礎就是數(shù)學。不僅如此，整個人類的自然語言和文字的起源背后，都受到數(shù)學規(guī)律的支配——因為數(shù)字和文字、自然語言一樣，都是信息的載體；語言和數(shù)學產(chǎn)生的目的都是為了記錄和傳播信息。
一個典型的通信系統(tǒng)是這樣的：發(fā)送者（人或者機器）發(fā)送信息時，需要采用一種能在媒體中（比如空氣、電線）傳播的信號，比如語音或者電話線的調(diào)制信號，這個過程是廣義的編碼。然后通過媒體傳播到接收方，這個過程是信道傳輸。在接收方，接收者（人或者機器）根據(jù)事先約定好的方法，將這些信號還原成發(fā)送者的信息，這個過程是廣義上的解碼。
我們平時說話時，大腦就是一個信息源，聲帶、空氣就是如電線、光纜般的信道，聽眾的耳朵就是接收器，而聲音就是傳送的信號。根據(jù)聲學信號推測說話者的意思，就是語音識別。
語言實質(zhì)上是一套編碼、解碼的規(guī)則。從字（字母）到詞的構(gòu)詞法是詞的編碼規(guī)則，這套規(guī)則是完備的（有限且封閉的集合）；從詞到句的語法是語言的編碼規(guī)則，這套規(guī)則是不完備的（無限和開放的集合）——任何語言都有語法覆蓋不到的地方。
正是由于語法是不完備的規(guī)則，所以在自然語言處理的研究當中，基于規(guī)則的方法走向了一條死路。隨著計算機性能和可用數(shù)據(jù)量的增加，基于統(tǒng)計的方法已經(jīng)被廣泛運用到自然語言處理中。書的第2章到第7章，圍繞自然語言處理的統(tǒng)計學模型，講述得深入淺出，而且對科學界的許多大師級人物和他們的貢獻都做了介紹。
另一個絕妙的應用案例，是第14章《余弦定理和新聞的分類》。我們在高中都學過用余弦定理判斷兩個向量之間的夾角大小，然而不知道這樣做有什么實際意義。如果當時我們的老師能舉出文本分類作為例子，一定能讓同學們興奮不已。
如果由人來做新聞分類，人一定會先把文章讀懂。但是計算機沒有智能，根本讀不懂新聞，它只擁有強大的計算能力。這就要求我們把文字組成的新聞變成一組可以計算的數(shù)字，然后設計一個算法，算出任意兩篇新聞的相似性。
新聞傳遞信息，而詞是信息的載體，“同一類新聞用詞都是相似的，不同類的新聞用詞各不相同”。當剔除掉“的、地、得”和“之乎者也”那樣的助詞和虛詞之后，對新聞中剩下的'實詞，計算出每個詞的出現(xiàn)頻率（實際上更為復雜，因為只是一篇讀書筆記，我就簡化成“出現(xiàn)頻率”了），再按照詞在詞匯表中出現(xiàn)的順序，將這些頻率值依次排列，就得到了這篇新聞的特征向量。
如果詞匯表中的某個詞在新聞中沒有出現(xiàn)，對應的頻率值為0。如果詞匯表總共有64000個詞，就會得到一個64000維的特征向量，向量中每一個維度的大小代表每個詞對這篇新聞主題的貢獻。新聞就這樣，從文字變成了數(shù)字。
一篇10000字的文本，它的特征向量各個維度的數(shù)值普遍比一篇500字的文本要大，因此單純比較各個維度的大小沒有太大意義。但是，向量的方向卻有很大的意義。如果兩個向量的方向基本一致，說明它們的新聞用詞比例基本一致。
因此，可以通過余弦定理計算兩個特征向量之間的夾角，判斷對應的新聞主題的接近程度。在真實的文本分類聚合過程中，需要自底向上不斷合并，合并的過程中類別越來越少，而每個類越來越大。
另外值得一提的是，這項研究的動機很有意思。當時某個國際會議需要把提交上來的幾百篇論文交給各個專家評審，把每個研究方向的論文交給這個方向最有權(quán)威的專家。作為會議程序委員會主席的雅讓斯基教授為了偷懶，就想了這個將論文自動分類的方法，由他的學生弗洛里安很快實現(xiàn)了。
考慮到多次迭代的計算量，后文又介紹了矩陣奇異值分解的方法，將計算量縮小到1/6。
此外，書中還介紹了搜索引擎算法、拼音輸入法等應用背后的數(shù)學模型。第19章《談談數(shù)學模型的重要性》中用托勒密的地心說模型（大圓套小圓）舉例，講：“正確的數(shù)學模型在科學和工程中至關(guān)重要，而發(fā)現(xiàn)正確模型的途徑往往是曲折的。正確的模型在形式上通常是簡單的�！�
其實這本書中，除了IT領域的數(shù)學應用之外，還有許多值得深挖的地方。看書的過程中，我有時會突然從書中的觀點聯(lián)想到其他地方看過的觀點。比如講信息和情報時說到斯大林在中蘇邊界的60萬大軍不敢輕易調(diào)到歐洲戰(zhàn)場，就聯(lián)系到《日本大敗局》里日本明知必敗卻執(zhí)意南下進攻，偷襲珍珠港；比如講信息論中“冗余度”的概念時，聯(lián)系到羅胖“冗余度大是優(yōu)勢，信息傳播效率反而高”的看法；講到數(shù)學模型的重要性時，想到黎曼的非歐幾何對相對論、超空間研究的重大意義……
其實大多情況下，看書只是用來怡情、消遣的手段，和打牌、玩游戲本質(zhì)上是一樣的。讀書的過程中經(jīng)常會靈光乍現(xiàn)，這就是讀書的樂趣。
數(shù)學之美讀后感 篇9
重復的體力勞動已經(jīng)被機器取代，重復的腦力勞動也將被AI取代。
目前的算法更多的是從統(tǒng)計學、概率論角度來執(zhí)行，其算法依靠人為設定執(zhí)行，今后AI的介入，算法會趨于自我迭代、自我演化。
就整體而言機器的搜索、篩選、分析、邏輯推理等，都是基于當前情況最大概率決策。即通過算法計算下一步所有可能情況的`概率分布，然后得出實現(xiàn)目標哪種決策成功概率最高，即為下一步的方案。
在這種環(huán)境下人最好的方式便是與機器合作，將資源分配到這些大概率事件上，當然也會有一部分人懷有賭徒心態(tài)，將資源，甚至全部資源分配到小概率事件上，幻想出現(xiàn)奇跡，而這件事就叫“創(chuàng)新”。
但“創(chuàng)新”才是真正的未來，因為從宇宙角度來看，人類誕生的幾率不到萬億分之一，而這是多么偉大的奇跡，又是多么偉大的創(chuàng)新！
數(shù)學之美讀后感 篇10
數(shù)學用在模型上而不是現(xiàn)實世界中，需要抽象思考出模型，即數(shù)學對象是其所做。數(shù)系擴充中，復數(shù)i并沒有比無理數(shù)根號2更特殊的地方，因為它們作為抽象的數(shù)學構(gòu)造，如果充分自然，則必能作為模型找到它們的用途。實際上正是如此。
數(shù)學中有個根本性的重要事實：數(shù)學論證中的每一步都可以不斷地分解成更小更清晰有據(jù)的子步驟，但是這樣的過程最終會終止。原則上，最終會得到一條非常長的論證，它以普遍接受的公理開始，僅通過最基本的邏輯原則一步步推進，最終得到想要求證的結(jié)論。所以，任何關(guān)于數(shù)學證明有效性的爭論總是能夠解決的。爭論在原則上必然能夠解決這一事實使數(shù)學作為一個學科是獨一無二的。在這里，公理系統(tǒng)的主要問題不是真實性，而是自洽性和有用性，即數(shù)學證明就是由特定前提能夠得出特定結(jié)論，而不考慮該前提是否正確。
我不清楚這一“根本性的重要事實”在現(xiàn)實中的使用范圍有多大，但由此可以聊一點別的問題�，F(xiàn)實中，如果甲對事情有A觀點（或說價值觀），乙有B觀點，并為此爭執(zhí)。有下面幾種情況：
1、在上述的范圍之外，即沒有定論。
2、有定論，但是雙方都沒有給出足夠的證據(jù)證明和反駁。
3、有定論，一方給出了足夠的證據(jù)（或者反駁理由），因為表達能力導致表述不清晰而沒有說服對方。
4、有定論，一方給出了足夠的證據(jù)（或者反駁理由），因為對方理解不夠或理解偏差導致沒有被說服。第234條與這幾項有關(guān)：知識量，表達能力，理解能力，對外界的認知和自我認知。其中語言本身的.局限性會一定程度上影響表達和理解，認知能力是一項綜合的要求很高的能力�！霸u論”這件事就是個很合適的例子。如果說創(chuàng)造更需要的是才氣，那么評論更需要的就是能力。但是，無論雙方是否知道有無定論，很多情況下需要陳述不少或很多證據(jù)或反駁理由，由第234條可知人與人交流的效率很低，并且可能伴隨一些沖突。若考慮到一些人的利益因素等，交流會更復雜。
數(shù)學之美讀后感 篇11
很多人都覺得，數(shù)學是一個太高深、太理論的學科，不接近生活，對我們大多數(shù)人來說平時也根本用不到，所以沒必要去理解數(shù)學。但事情真的是這樣嗎？
其實不然，數(shù)學一直滲透在我們生活的各個方面，尤其是在今天這個信息時代，很多簡單樸素的數(shù)學思想，能發(fā)揮一般人很難想象的巨大作用。比如，計算機處理自然語言，用到的最重要工具是統(tǒng)計學的思想；計算機對新聞內(nèi)容的分類，依靠的是數(shù)學里的'余弦定理；而電子電路的基本邏輯，則來源于僅有0和1兩個數(shù)字的布爾代數(shù)。
在《數(shù)學之美》里，吳軍用自己在工作中使用數(shù)學的親身經(jīng)歷，為我們展現(xiàn)了數(shù)學的重要性，以及他對數(shù)學之美的理解。吳軍是“得到”App專欄《吳軍的谷歌方法論》的主理人。曾先后供職于谷歌和騰訊，是著名的自然語言處理專家和搜索專家。同時，他還是位暢銷書作家，除了這本《數(shù)學之美》以外，還寫過《文明之光》《智能時代》《浪潮之巔》等多本暢銷書。
數(shù)學之美讀后感 篇12
人們發(fā)現(xiàn)真理的形式上從來都是簡單的，而不是復雜和含混的。
——牛頓
自小就學數(shù)學的我，并不覺得它是美好的。于我而言，數(shù)學就像緊箍咒一樣，不能提，一提。就頭疼。
而看了吳軍博士所寫的《數(shù)學之美》后，我對數(shù)學的感覺，從以前的被動獲取和勉強學習，變成了強烈熱愛和主動積極的學習。這原因就在于我發(fā)現(xiàn)了它的價值，它的一枝獨秀，不可或缺的地位，數(shù)學的博大精深和對其相關(guān)的各類事業(yè)的發(fā)展的價值已使我深深陶醉其中。這本書中有很多復雜且長的公式，但這并不妨礙大眾的閱讀，因為它并非在于讓你了解更多IT領域的知識，而是用了大量篇幅介紹各個領域的典故，讓我們感受數(shù)學思維。這就像李欣教授所說：“成為一個領域的大師有其偶然性，但更有其必然性。其必然性就是大師們的思維方法�！�
英國哲學家弗朗西斯·培根在《論美德》這篇文章中講：“美德就如同華貴的寶石，在樸素的襯托下最顯華麗�！睌�(shù)學的美妙，也恰恰在于一個好的思維，好的方法。
在《數(shù)學之美》十四章，我被它的標題吸引到了�！坝嘞叶ɡ砗托侣劦姆诸悺�，這倆看似八竿子打不著。卻有著緊密的聯(lián)系。可以說，新聞的分類很大程度上依賴的是余弦定理。我們都知道，計算機處理一個問題是讓他去算，而不是像人類一樣理解了它，再去解決。而科學家們遇到這個問題，卻用了另一種思維，他們把文字的新聞變成一組可計算的數(shù)字，然后再設計一個算法來算出任意兩篇新聞的相似性。稍詳細一些就是：對于一篇新聞中的所有實詞。計算出它們的TF—IDF值，再把這些值按照其在對應詞匯表的位置依次排列就得到一個向量，這即新聞的特征向量。這時，就可以通過計算兩個向量夾角來判斷對應的新聞主題的接近程度，這也就要用到余弦定理了。我在必修五數(shù)學書上學到余弦定理時，很難想象它可以用來對新聞進行分類。在這里我又一次看到了數(shù)學工具的用途。
在書中，我也了解到了數(shù)學的發(fā)展實際上是不斷的抽象和概括的過程。這些抽象了的方法看似離生活越來越遠，但他們最終能找到應用的地方，布爾代數(shù)便是如此。
布爾代數(shù)的簡單不能再簡單了。運算的元素只有兩個0和1，基本的運算只有“與”、“或”和“非”。幾乎就是我們現(xiàn)在所學的“判斷命題真假”。在布爾代數(shù)提出后的80多年里，他確實沒有什么像樣的應用。直到1938年香農(nóng)在他的碩士論文中指出，布爾代數(shù)來實現(xiàn)開關(guān)電路。才使得布爾代數(shù)成為數(shù)字電路的基礎。正是依靠這一點，人類用一個個開關(guān)電路最終“搭出”電子計算機。
這些，都能體現(xiàn)作者“簡單即是美”的思想。他在書中也寫道：“數(shù)學的精彩之處就在于簡單的模型可以干大事�！边@些，也都是我從未感受到過的。并且，在這本書中，作者也用了不少篇幅來介紹通信領域的`世界級專家，讓我對真正的世界級學者有更多的了解和理解，比如賈里尼克，Google AK—47的設計者——阿米特·辛格博士，自然語言處理的教父米奇·馬庫斯等等。
愛因斯坦說過：“從希臘哲學到現(xiàn)代物理學的整個科學史中。不斷有人力圖地表面上極為復雜的自然現(xiàn)象歸結(jié)為幾個簡單的基本概念和關(guān)系，這就是整個自然哲學的基本原理�！边@本書把數(shù)學在IT領域的美麗予以了精彩表達，我也知道，把一件復雜的事用簡單的語言表達出來，并非易事，這應該也是各界人士都對這本書予以好評的原因吧。
當然，我也明白，欣賞美不是終極目的，更值得我們追求的是創(chuàng)造美境界。
還有，希望未來的自己，無論生活好與壞，都能少一點浮躁，多一點踏實和對自然科學本質(zhì)的好奇求知。
數(shù)學之美讀后感 篇13
吳軍2012年的作品，源于其在谷歌黑板報的系列文章，講述數(shù)學方法在信息技術(shù)中的應用，說明了為什么科學研究中方法論如此的重要，以及數(shù)學如何簡單優(yōu)雅地解決問題，直達本質(zhì)。對比他的其他作品比如《浪潮之巔》、《硅谷之謎》，本書比較偏技術(shù)，屬于目前大熱的數(shù)據(jù)科學（Data Science）范疇，在云計算、大數(shù)據(jù)和人工智能等成為常態(tài)和趨勢的今天，適合所有對IT技術(shù)及相關(guān)管理人員閱讀。對我而言，最大的收獲包括：
規(guī)則vs算法：自然語言處理，在早期幾十年基于文法規(guī)則都無法達到可應用的效果，終于在轉(zhuǎn)變?yōu)榛诮y(tǒng)計方法且積累了足夠數(shù)據(jù)后，形成了突破，達到了今日可大規(guī)模商用的效果。再次說明了數(shù)據(jù)及算法在今日的重要性。
一些常見應用涉及的優(yōu)化算法：搜索相關(guān)（分詞、網(wǎng)絡爬蟲、索引、結(jié)果排名、廣告及反作弊）、文本處理（新聞分類、廣告相關(guān)性、輸入法）、地圖路線規(guī)劃、信息指紋、密碼學等。這些算法不止適用于這些應用場景，還可以在其他許多地方借鑒，比如用戶評論分析也需要用分詞和語義分析，許多價值優(yōu)化算法都需要用到期望值最大化和邏輯回歸等。
優(yōu)雅的理論模型：在初始階段，出于時間和成本考慮，在技術(shù)實現(xiàn)上可能會使用一些拼湊的方法，甚至山寨，但是這種方法并不可持續(xù)，很難進行系統(tǒng)化的'優(yōu)化，開發(fā)維護成本都很高，最終會遇到災難性問題。做事情需要有境界，最求簡單而優(yōu)雅的理論和工程實現(xiàn)，這在長期是非常有好處的。
吳軍使用淺顯易懂的語言，把解決問題的思路和復雜的數(shù)學模型講得很清楚，雖然理解延伸閱讀里的具體數(shù)學公式還是有些挑戰(zhàn)。其實重要的是思想和方法，具體的實現(xiàn)可以在用到時再進一步的了解。如何用簡單的語言把復雜的技術(shù)講清楚，也是我工作的需要，要不斷學習磨練。書里提到了啟發(fā)吳軍這方面能力的兩本書，即《從0到無窮大》和《時間簡史》，會有要去看下。
數(shù)學之美讀后感 篇14
《數(shù)學之美》，一個從事多年工作的谷歌研究員眼中的數(shù)學。令我大飽眼福的是，大學里面的數(shù)學知識竟能如此廣泛運用到了計算機行業(yè)中。
在語音識別、翻譯，還有密碼學領域，有著許多基于概率統(tǒng)計的模型和思想。當然，貝葉斯公式是基礎，應用到隱含馬爾科夫鏈模型，神經(jīng)網(wǎng)絡模型。
在搜索中，一些相關(guān)性的計算，無不用到了概率的知識。在新聞分類中，用到了一些有關(guān)矩陣特征值、相似對角化的知識。當然，在圖像處理方面，矩陣變換可謂是無處不在。另外，在識別方面，有一些通信模型，涉及到了信道、誤碼率、信息熵。
最近剛開學也沒什么事，所以就想隨便找?guī)妆緯匆幌拢詈脛e是那種太艱深晦澀的書。8月份一直到現(xiàn)在，吳軍寫的這本12年5月出版的《數(shù)學之美》一直盤踞京東、亞馬遜等各大網(wǎng)上商城科技類圖書的榜首，當然，還有早些時候出版的《浪潮之巔》也排在很靠前的位置。心想市場的力量應該能幫我挑出好書吧，于是就從圖書館借了一本來，一直到今天晚上把它給看完了。
因此想寫一點東西來總結(jié)、反思一下，反正剛開完班會也沒什么事干。
寫在前面的建議：如果你不討厭數(shù)學的話，強烈推薦這本書，網(wǎng)上也可以下到電子版，不過閱讀感覺上還是很不一樣的。
廢話就不多說了，《數(shù)學之美》其實是一本科普類的讀物，所面向的是接受過普通高等教育的人，完全不需要在特定領域有很深的造詣就可以看懂，大概懂一點線性代數(shù)、概率統(tǒng)計、組合數(shù)學、信息論、計算機算法、模式識別最好（雖然列舉了這么多，其實有些不懂也沒關(guān)系……），所以尤其適合信科的人看。內(nèi)容大部分是和人工智能、計算機相關(guān)的，這并非我所學的專業(yè)，但作者比較擅長將看似復雜的原理用簡明的語言表達出來，所以可讀性還是很好的。
吳軍是清華大學畢業(yè)的，之前任職于Google，后來到了騰訊，這些文章都是發(fā)表在Google黑板報上的，后來經(jīng)過了重寫，所以網(wǎng)上下載的和書本內(nèi)容有所差異。由于吳軍本人是研究自然語言處理和語音識別的，所以統(tǒng)計語言模型的東西可能會多一點，不過我覺得這絲毫不妨礙全書數(shù)學之美的展現(xiàn)……感覺收獲還是挺多的，知識上的有一些，但更多還是思維方式上的。作者舉了很多例子試圖讓人明白很多看似復雜的高科技背后，基本原理其實是出乎意料簡單的（當然，必須承認第一個想到這些方法的人還是非常了不起的……）。比如高準確率的機器翻譯，看上去好像是計算機能夠理解各國語言，隱藏在背后的卻是很多具有大學理科學歷的人都非常清楚的統(tǒng)計模型和概率模型；再比如拼音輸入法的數(shù)學原理，早期的研究主要集中在縮短平均編碼長度，比如曾經(jīng)流行一時的五筆輸入法，而現(xiàn)今真正實用的輸入法卻是有很多信息冗余、編碼長度比較長的拼音輸入法，作者從信息論和市場的角度做了簡單的闡述；又比如新聞的自動分類，許多非IT領域的.人可能會認為計算機可以讀懂新聞并進行分類，而實際上只是特征向量的抽取、多維空間中向量夾角的計算，非常非常簡單，但凡學過一點線性代數(shù)的人絕對是一看就懂的……當然，完美的實現(xiàn)還需要考慮很多細節(jié)和現(xiàn)實的情況，但這并不是這本書所關(guān)注的地方，數(shù)學之美在于其簡潔而不是繁瑣。
除了對于具體信息技術(shù)的剖析之外，作者還花了很大篇幅來講一些杰出人士的成長過程，特別是把這些人的成長經(jīng)歷和中國學生的成長經(jīng)歷作對比。雖然作者并沒有明說，但字里行間多少流露出對于中國高等教育以及很多中國企業(yè)的批評，一是教育的功利性，缺乏寬松的獨立思考的環(huán)境，即使學了一堆理論也難有用武之地，自然也就缺乏創(chuàng)新性的成果；二是中國企業(yè)的短視，大部分都不舍得在新框架開發(fā)上投資，而是坐享學術(shù)界和國外企業(yè)的研究成果。
總結(jié)一下呢，《數(shù)學之美》事實上不能帶給你編程能力的提升，也沒法讓人的數(shù)學水平有顯著的提升，但它在很大程度上讓你跳出教科書式的繁瑣細節(jié)的束縛，能夠從更宏觀的角度來思考信息世界背后的數(shù)學引擎的運行原理，讓人明白看似很高級、復雜的東西背后其實并不如我們所想象的那樣復雜，而我們所學的“枯燥”的數(shù)學真的可以“四兩撥千斤”，改變億萬人的生活。
數(shù)學之美讀后感 篇15
最近看了這本《數(shù)學之美》，不得不感嘆一句，可惜早已身不在起點。
我讀書的時候，數(shù)學成績一直都很好，雖然離開學校已經(jīng)10多年，自覺當初的知識還是記得很多，6~7年前再考線性代數(shù)和概率論，還是得到了很高的分數(shù)。不過我也和大部分人一樣，覺得數(shù)學沒有太多用處，特別是高中和大學里面學的，那些三角函數(shù)，向量，大數(shù)定律，解析幾何，除了在考試的題目里面用一下，平時又有什么地方可以用呢？
看了《數(shù)學之美》，驚嘆于數(shù)學的浩瀚和簡單，說它浩瀚，是因為它的分支涵蓋了科學的方方面面，是所有科學的理論基礎，說它簡單，無論多復雜的問題，最后總結(jié)的數(shù)學公式都簡單到只有區(qū)區(qū)幾個符號和字母。
這本書介紹數(shù)學理論在互聯(lián)網(wǎng)上的運用，平時我們在使用互聯(lián)網(wǎng)搜索或者翻譯功能的時候，時常會感嘆電腦對自己的了解和它的聰明，其實背后的原理就是一個個精美的算法和大量數(shù)據(jù)的訓練。那些或者熟悉或者陌生的數(shù)學知識（聯(lián)合概率分布，維特比算法，期望最大化，貝葉斯網(wǎng)絡，隱形馬爾可夫鏈，余弦定律，etc），一步步構(gòu)建了我們現(xiàn)在所賴以生存的網(wǎng)上世界。
之所以覺得自己早已身不在起點，是因為上面這些數(shù)學知識，早已經(jīng)不在我的知識框架之內(nèi)，就算曾經(jīng)學過，也不過是囫圇吞棗一樣的.強記硬背，沒有領會過其中的真正意義。而今天想重頭在來學一次，其實已經(jīng)不可能了。且不說要花費多少的精力和時間，還需要的是領悟力。而這一些，已經(jīng)不是我可以簡單付出的。
不像物理、化學需要復雜的實驗來驗證，很多數(shù)學的證明，幾乎只要有一顆聰明的頭腦和無數(shù)的草稿紙，可是光是這顆聰明的頭腦，就可以阻攔掉很多人。有人說多讀書就會聰明，我不否認，書本的確會提供很多知識，可是不同的人讀同一本書也會有不同的收貨，這就限制于每個人的知識框架和認知水平。就如一個數(shù)學功底好過我的人，看這本書，就會更容易理解里面的公式和推導出這些公式的其他運用點，而我，只能站在數(shù)學的門口，感嘆一句，它真的好美吧。
當然，我暫時無法在實際生活中運用這些數(shù)學公式，可是書中提到的一些方法論，還是很有幫助的
1）一個產(chǎn)業(yè)的顛覆或者創(chuàng)新，大部分來自于外部的力量，比如用統(tǒng)計學原理做自然語言處理。
2）基礎知識和基礎數(shù)據(jù)是很重要性，只有足夠多和足夠廣的數(shù)據(jù)，才可以提供有效的分析，和驗證分析方法的好壞。
3）先幫用戶解決80%的問題，在慢慢解決剩下的20%的問題；
4）不要等一個東西完美了，才發(fā)布；
5）簡單是美，堅持選擇簡單的做法，這樣會容易解釋每一個步驟和方法背后的道理，也便于查錯。
6）正確的模型也可能受噪音干擾，而顯得不準確；這時不應該用一種湊合的修正方法加以彌補，而是要找到噪音的根源，從根本上修正它。
7）一個人想要在自己的領域做到世界一流，他的周圍必須有非常多的一流人物。
【數(shù)學之美讀后感】相關(guān)文章：
論《數(shù)學之美》08-24
數(shù)學之美高三作文08-19
金秋之美07-26
起點之美08-16
抽象之美08-16
鄉(xiāng)村之美09-04
半開之美08-17
冬天之美08-16
《冬天之美》08-16
《橋之美》08-16