數學(xué)之美讀后感
當看完一本著(zhù)作后，相信大家有很多值得分享的東西吧，現在就讓我們寫(xiě)一篇走心的讀后感吧。那要怎么寫(xiě)好讀后感呢？以下是小編幫大家整理的數學(xué)之美讀后感，僅供參考，歡迎大家閱讀。
數學(xué)之美讀后感1
讀了一篇文章，你有什么感想，以下是一則讀后感美文，請閱讀，YJBYSVOM;
《數學(xué)之美》，一個(gè)從事多年工作的谷歌研究員眼中的數學(xué)。令我大飽眼福的是，大學(xué)里面的數學(xué)知識竟能如此廣泛運用到了計算機行業(yè)中。
在語(yǔ)音識別、翻譯，還有密碼學(xué)領(lǐng)域，有著(zhù)許多基于概率統計的模型和思想。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(luò )模型。
在搜索中，一些相關(guān)性的計算，無(wú)不用到了概率的知識。在新聞分類(lèi)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(wú)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。
編輯：應屆畢業(yè)生讀后感網(wǎng)
數學(xué)之美讀后感2
《數學(xué)之美》，一個(gè)從事多年工作的谷歌研究員眼中的數學(xué)。令我大飽眼福的是，大學(xué)里面的數學(xué)知識竟能如此廣泛運用到了計算機行業(yè)中。
在語(yǔ)音識別、翻譯，還有密碼學(xué)領(lǐng)域，有著(zhù)許多基于概率統計的模型和思想。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(luò )模型。
在搜索中，一些相關(guān)性的計算，無(wú)不用到了概率的知識。在新聞分類(lèi)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(wú)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(kāi)學(xué)也沒(méi)什么事，所以就想隨便找幾本書(shū)看一下，但最好別是那種太艱深晦澀的書(shū)。8月份一直到現在，吳軍寫(xiě)的這本12年5月出版的《數學(xué)之美》一直盤(pán)踞京東、亞馬遜等各大網(wǎng)上商城科技類(lèi)圖書(shū)的榜首，當然，還有早些時(shí)候出版的《浪潮之巔》也排在很靠前的位置。心想市場(chǎng)的力量應該能幫我挑出好書(shū)吧，于是就從圖書(shū)館借了一本來(lái)，一直到今天晚上把它給看完了。
因此想寫(xiě)一點(diǎn)東西來(lái)總結、反思一下，反正剛開(kāi)完班會(huì )也沒(méi)什么事干。
寫(xiě)在前面的建議：如果你不討厭數學(xué)的話(huà)，強烈推薦這本書(shū)，網(wǎng)上也可以下到電子版，不過(guò)閱讀感覺(jué)上還是很不一樣的。
廢話(huà)就不多說(shuō)了，《數學(xué)之美》其實(shí)是一本科普類(lèi)的讀物，所面向的是接受過(guò)普通高等教育的人，完全不需要在特定領(lǐng)域有很深的造詣就可以看懂，大概懂一點(diǎn)線(xiàn)性代數、概率統計、組合數學(xué)、信息論、計算機算法、模式識別最好（雖然列舉了這么多，其實(shí)有些不懂也沒(méi)關(guān)系……），所以尤其適合信科的人看。內容大部分是和人工智能、計算機相關(guān)的，這并非我所學(xué)的專(zhuān)業(yè)，但作者比較擅長(cháng)將看似復雜的原理用簡(jiǎn)明的語(yǔ)言表達出來(lái)，所以可讀性還是很好的。
吳軍是清華大學(xué)畢業(yè)的，之前任職于Google，后來(lái)到了騰訊，這些文章都是發(fā)表在Google黑板報上的，后來(lái)經(jīng)過(guò)了重寫(xiě)，所以網(wǎng)上下載的和書(shū)本內容有所差異。由于吳軍本人是研究自然語(yǔ)言處理和語(yǔ)音識別的，所以統計語(yǔ)言模型的東西可能會(huì )多一點(diǎn)，不過(guò)我覺(jué)得這絲毫不妨礙全書(shū)數學(xué)之美的展現……感覺(jué)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(shí)是出乎意料簡(jiǎn)單的（當然，必須承認第一個(gè)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(yǔ)言，隱藏在背后的卻是很多具有大學(xué)理科學(xué)歷的人都非常清楚的統計模型和概率模型；再比如拼音輸入法的數學(xué)原理，早期的研究主要集中在縮短平均編碼長(cháng)度，比如曾經(jīng)流行一時(shí)的五筆輸入法，而現今真正實(shí)用的輸入法卻是有很多信息冗余、編碼長(cháng)度比較長(cháng)的拼音輸入法，作者從信息論和市場(chǎng)的角度做了簡(jiǎn)單的闡述；又比如新聞的自動(dòng)分類(lèi)，許多非IT領(lǐng)域的人可能會(huì )認為計算機可以讀懂新聞并進(jìn)行分類(lèi)，而實(shí)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(jiǎn)單，但凡學(xué)過(guò)一點(diǎn)線(xiàn)性代數的人絕對是一看就懂的……當然，完美的實(shí)現還需要考慮很多細節和現實(shí)的情況，但這并不是這本書(shū)所關(guān)注的地方，數學(xué)之美在于其簡(jiǎn)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(lái)講一些杰出人士的成長(cháng)過(guò)程，特別是把這些人的成長(cháng)經(jīng)歷和中國學(xué)生的成長(cháng)經(jīng)歷作對比。雖然作者并沒(méi)有明說(shuō)，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(xué)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(kāi)發(fā)上投資，而是坐享學(xué)術(shù)界和國外企業(yè)的研究成果。
總結一下呢，《數學(xué)之美》事實(shí)上不能帶給你編程能力的提升，也沒(méi)法讓人的數學(xué)水平有顯著(zhù)的提升，但它在很大程度上讓你跳出教科書(shū)式的繁瑣細節的束縛，能夠從更宏觀(guān)的角度來(lái)思考信息世界背后的數學(xué)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(shí)并不如我們所想象的那樣復雜，而我們所學(xué)的“枯燥”的數學(xué)真的可以“四兩撥千斤”，改變億萬(wàn)人的生活。
數學(xué)之美讀后感3
確切的來(lái)說(shuō)，《數學(xué)之美》并不是一本書(shū)，它是谷歌黑板報中的一系列文章，介紹數學(xué)在信息檢索和自然語(yǔ)言處理中的主導作用和奇妙應用，每一篇文章都不長(cháng)，但小中見(jiàn)大，從看似高深的高科技中用通俗易懂的案例展示了數學(xué)之美，深深的吸引了我。
這一系列文章的作者是google公司的科學(xué)家吳軍。他畢業(yè)于清華大學(xué)計算機系(本科)和電子工程系(碩士)，并于1993-1996年在清華任講師。他于1996年起在美國約翰霍普金斯大學(xué)攻讀博士，并于XX年獲得計算機科學(xué)博士學(xué)位。在清華和約翰霍普金斯大學(xué)期間，吳軍博士致力于語(yǔ)音識別、自然語(yǔ)言處理，特別是統計語(yǔ)言模型的研究。他曾獲得1995年的全國人機語(yǔ)音智能接口會(huì )議的最佳論文獎和XX年eurospeech的最佳論文獎。
吳軍博士于XX年加入google公司，現任google研究院資深研究員。到google不久，他和三個(gè)同事們開(kāi)創(chuàng )了網(wǎng)絡(luò )搜索反作弊的研究領(lǐng)域，并因此獲得工程獎。XX年，他和兩個(gè)同事共同成立了中日韓文搜索部門(mén)。吳軍博士是當前google中日韓文搜索算法的主要設計者。在google其間，他領(lǐng)導了許多研發(fā)項目，包括許多與中文相關(guān)的產(chǎn)品和自然語(yǔ)言處理的項目，并得到了公司首席執行官埃里克.施密特的高度評價(jià)。吳軍博士在國內外發(fā)表過(guò)數十篇論文并獲得和申請了近十項美國和國際專(zhuān)利。他于XX年起，當選為約翰霍普金斯大學(xué)計算機系董事會(huì )董事。
正是他在信息檢索與自然語(yǔ)言處理領(lǐng)域中的一系列工作，使他講述了我所看到的內容-數學(xué)之美。
看了數學(xué)之美，立即聯(lián)想到了金庸小說(shuō)中的武林高人，總是把一套大多數人都會(huì )的入門(mén)功夫使得威力無(wú)比，擊潰眾多敵者。東西放在那，它的威力如何，并鍵在于使用者，武術(shù)如此，數學(xué)同樣如此。
于我而言，語(yǔ)音視別是一類(lèi)高科技，作為非專(zhuān)業(yè)人土，深覺(jué)高奧。但看完數學(xué)之美之后，頓感驚詫?zhuān)瓉?lái)如此深奧東西的解決方法自己也學(xué)過(guò)，并且理工科讀過(guò)大學(xué)的人都學(xué)過(guò)，那就是統計學(xué)中的條件概率p(a/b)，即b事件發(fā)生條件下a事件發(fā)生的概率。
如果s表示一連串特定順序排列的詞w1，w2，…，wn，換句話(huà)說(shuō)，s可以表示某一個(gè)由一連串特定順序排練的詞而組成的一個(gè)有意義的句子�，F在，機器對語(yǔ)言的識別從某種角度來(lái)說(shuō)，就是想知道s在文本中出現的可能性，也就是數學(xué)上所說(shuō)的s的概率用p(s)來(lái)表示。利用條件概率的公式，s這個(gè)序列出現的概率等于每一個(gè)詞出現的概率相乘，于是p(s)可展開(kāi)為：
p(s)=p(w1)p(w2|w1)p(w3|w1w2)…p(wn|w1w2…wn-1)
其中p(w1)表示第一個(gè)詞w1出現的概率;p(w2|w1)是在已知第一個(gè)詞的前提下，第二個(gè)詞出現的概率;以次類(lèi)推。不難看出，到了詞wn，它的出現概率取決于它前面所有詞。從計算上來(lái)看，各種可能性太多，無(wú)法實(shí)現。因此我們假定任意一個(gè)詞wi的出現概率只同它前面的詞wi-1有關(guān)(即馬爾可夫假設)，于是問(wèn)題就變得很簡(jiǎn)單了�，F在，s出現的概率就變?yōu)椋?/p>
p(s)=p(w1)p(w2|w1)p(w3|w2)…p(wi|wi-1)…
(當然，也可以假設一個(gè)詞又前面n-1個(gè)詞決定，模型稍微復雜些。)
接下來(lái)的問(wèn)題就是如何估計p(wi|wi-1)�，F在有了大量機讀文本后，這個(gè)問(wèn)題變得很簡(jiǎn)單，只要數一數這對詞(wi-1,wi)在統計的文本中出現了多少次，以及wi-1本身在同樣的文本中前后相鄰出現了多少次，然后用兩個(gè)數一除就可以了,p(wi|wi-1)=p(wi-1,wi)/p(wi-1)。
也許很多人不相信用這么簡(jiǎn)單的數學(xué)模型能解決復雜的語(yǔ)音識別、機器翻譯等問(wèn)題。其實(shí)不光是常人，就連很多語(yǔ)言學(xué)家都曾質(zhì)疑過(guò)這種方法的有效性，但事實(shí)證明，統計語(yǔ)言模型比任何已知的借助某種規則的解決方法都有效。比如在google的中英文自動(dòng)翻譯中，用的最重要的就是這個(gè)統計語(yǔ)言模型。去年美國標準局(nist)對所有的機器翻譯系統進(jìn)行了評測，google的系統是不僅是全世界最好的，而且高出所有基于規則的系統很多。
這就是數學(xué)的美妙之處了，它把一些復雜的問(wèn)題變得如此的簡(jiǎn)單。
看到《數學(xué)之美》，在感嘆數學(xué)的美妙與神奇之處時(shí)，自然而然聯(lián)系到自己專(zhuān)業(yè)(地質(zhì)工程而或巖土工程)中的數學(xué)應用。
現在找文獻，搜索期刊一大堆基于數學(xué)的專(zhuān)業(yè)文獻，灰色數學(xué)的、模糊數學(xué)的、非線(xiàn)性的、系統的，等等，這么多的數學(xué)的使用，促進(jìn)了一大批的文章，但這些數學(xué)方法的應用究竟是發(fā)現了哪些問(wèn)題?還是解決了實(shí)際問(wèn)題嗎?還是僅發(fā)了文章，滿(mǎn)足了需求?現實(shí)是文章好發(fā)，用著(zhù)難用，解決問(wèn)題還得傳統的方法，那么是這些數學(xué)方法不行，還是用的太膚淺，根本沒(méi)發(fā)揮其威力來(lái)?如果沒(méi)有發(fā)揮出威力來(lái)，那怎么用?怎么發(fā)揮?
數學(xué)之美讀后感4
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(gè)問(wèn)題，好的回答據說(shuō)是用圖書(shū)館的索引卡片做類(lèi)比。
我奶奶是個(gè)文盲，一生為農，日出而作，日落而息。她很少看電視，更別說(shuō)圖書(shū)館。所以用圖書(shū)館的例子，對我們來(lái)說(shuō)，很生動(dòng)；對她來(lái)說(shuō)，很生澀。
我們村的田地是按照地形、土質(zhì)和流水等來(lái)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(lái)種水稻，二等地用來(lái)種菜，三等地用來(lái)種水果。
所以當我奶奶想要給我摘桔子的時(shí)候，她肯定不會(huì )從一等地或者二等地一塊地一塊地找過(guò)來(lái)，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“數據庫”，因為田地不會(huì )很多，多了也來(lái)不及種，所以跟布爾代數沒(méi)什么關(guān)系。但是這樣解釋?zhuān)夷棠叹蜁?huì )大概明白了。我奶奶生前一次電腦也沒(méi)用過(guò)，跟她解釋這些，唯一的意義是，她會(huì )覺(jué)得我沒(méi)有敷衍她，這會(huì )使她欣慰——如果有機會(huì )解釋的話(huà)。
楊小凱曾經(jīng)說(shuō)，如果張五常多加注重使用數學(xué)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，不借助數學(xué)模型就在經(jīng)濟學(xué)界占有一席之地。
當然，張五常也不是徹底否定數學(xué)的作用，他認為能夠用文字解釋的經(jīng)濟學(xué)原理，不必使用數學(xué)對其復雜化。
數學(xué)在信息學(xué)和經(jīng)濟學(xué)里都有廣泛應用，但是在信息科學(xué)方面，對數學(xué)作用大小的爭論就沒(méi)有經(jīng)濟學(xué)那么大了。
我們常說(shuō)搜索引擎的競價(jià)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(guò)不正當手段為客戶(hù)提高網(wǎng)頁(yè)的排名。谷歌在消除網(wǎng)絡(luò )作弊方面做了很多努力，通過(guò)修改排序算法來(lái)為搜索者提供更加準確實(shí)效的信息。
“作弊的本質(zhì)是在網(wǎng)頁(yè)排名信號中加入噪音，因此反作弊的關(guān)鍵是去噪音。沿著(zhù)這個(gè)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(gè)虧，交了不少錢(qián)給第三方公司，結果算法一變，關(guān)鍵詞的排名從前三下降到前三頁(yè)沒(méi)影。
社交搜索正在雄起，但是如果想要在傳統的搜索引擎中占據有利排名，我想，第三方公司的技術(shù)水平是很關(guān)鍵的。
大學(xué)專(zhuān)業(yè)課里，數電總是要比模電簡(jiǎn)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(shí)間和數值上都是連續變化的信號。在實(shí)際電路中，模/數轉換是一個(gè)很重要的過(guò)程，將預處理的模擬信號經(jīng)過(guò)模/數變換為數字信號，然后進(jìn)行數字信號處理。而數字化處理有很多優(yōu)點(diǎn)，比如功能強大、抗干擾能力強、易集成化等。
簡(jiǎn)而言之，如果沒(méi)有數學(xué)，就沒(méi)有數字信號處理的概念，也就無(wú)法進(jìn)行信號的傳輸，而數字信號傳輸在大規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(shuō)如果高中看這本書(shū)，也許數學(xué)就是另一番天地，會(huì )有所突破。我不覺(jué)得，如果高中看這種書(shū)，我想，大多數人還是會(huì )對數學(xué)更加望而卻步。本書(shū)更適合通信電子這些專(zhuān)業(yè)的學(xué)生，在學(xué)習專(zhuān)業(yè)課的時(shí)候輔助閱讀，對理解通信原理、數電模電等都有更形象生動(dòng)的想法。
數學(xué)之美讀后感5
上個(gè)月去北京開(kāi)會(huì )，順道拜訪(fǎng)了人民郵電出版社，合作多年的編輯陳冀康贈我一本《數學(xué)之美》，說(shuō)一定是我喜歡看的類(lèi)型。以前也在網(wǎng)上零散看過(guò)Google黑板報上吳軍先生的文章，對他的前一本書(shū)《浪潮之顛》也有耳聞，但沒(méi)有讀過(guò)。這次有機會(huì )集中閱讀他的文章，確實(shí)是一段美妙的體驗。
讀完這本書(shū)有一點(diǎn)強烈的感受：工具一定要先進(jìn)。數學(xué)是強大的工具，計算機也是。這兩種工具結合在一起，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(jìn)的工具。
掌握了先進(jìn)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(zhù)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(wù)，因為這會(huì )給你帶來(lái)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(chǎng)上進(jìn)行各種交易……
人類(lèi)歷史就是一部工具的進(jìn)化史。石器、青銅、鐵器、火藥、蒸汽機、內燃機、電報、電話(huà)、電視、計算機、衛星、互聯(lián)網(wǎng)，工具的進(jìn)步引領(lǐng)著(zhù)文明的進(jìn)步。新的工具不斷淘汰老的工具，就像互聯(lián)網(wǎng)視頻點(diǎn)播正在淘汰電視、微博正在淘汰報紙、電子書(shū)正在淘汰紙質(zhì)書(shū)那樣。
但有一些古老的工具，今天仍有人在學(xué)習和使用，甚至在上面花費許多時(shí)間。毛筆就是這樣一個(gè)例子。今天學(xué)習掌握毛筆這種“落后的”工具，還有什么意義？其實(shí)我們在使用一些“落后的”工具時(shí)，主要是在學(xué)習工具背后的思想。書(shū)法和繪畫(huà)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圖的理解，仍然值得現代人學(xué)習。思想工具是比實(shí)物工具更強大的工具。
工具組合使用，形成更強大的新工具�！稊祵W(xué)之美》中提到的馬爾可夫鏈雖然是很強大的工具，但我在數學(xué)課上沒(méi)有聽(tīng)老師提到過(guò)。這本書(shū)中給我印象最深的例子是余弦定理和新聞分類(lèi)。余弦定理是中學(xué)數學(xué)，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(lèi)這樣的難題！
每一種工具的背后，是人們對世界的一種理解。蒸汽機和內燃機背后，是力學(xué)的世界。電報、電話(huà)、電視、計算機和互聯(lián)網(wǎng)背后，是信息的世界。數學(xué)是抽象的工具，是其他工具背后的工具。每一門(mén)學(xué)科要成為科學(xué)，都少不了數學(xué)。也許有一天人們會(huì )習慣，用數學(xué)工具來(lái)分析藝術(shù)。數學(xué)是一種語(yǔ)言，它源于具體的世界，又高于具體的世界。如果說(shuō)語(yǔ)言是對世界的認識和描述，如果說(shuō)數學(xué)是一種語(yǔ)言，那么它一定是最接近神的語(yǔ)言�？此坪敛幌嚓P(guān)，卻又能描述萬(wàn)事萬(wàn)物。
學(xué)習數學(xué)有什么用？物理學(xué)家費曼當年在大一時(shí)提出這個(gè)問(wèn)題，他的師兄建議他轉到物理系。今天，這個(gè)問(wèn)題已不成為問(wèn)題。具有扎實(shí)數學(xué)功底的人才正進(jìn)入各行各業(yè)，例如金融業(yè)。我認識一個(gè)出版社的老總，他招應屆畢業(yè)生有一個(gè)條件：數學(xué)要好。
工具雖好，關(guān)鍵還要會(huì )用。最終要回到掌握先進(jìn)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(shuō)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(diǎn)。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(diǎn)�！稊祵W(xué)之美》展示了Google如何運用數學(xué)和計算機網(wǎng)絡(luò )，帶領(lǐng)我們進(jìn)入云計算和大數據時(shí)代。
知識經(jīng)濟時(shí)代的工作，就是在各自的領(lǐng)域中進(jìn)行科學(xué)研究�？茖W(xué)研究要大膽假設，小心求證�？茖W(xué)研究要量化�？茖W(xué)研究要有對比實(shí)驗�？茖W(xué)研究要有數學(xué)模型�？茖W(xué)研究要有田野調查�？茖W(xué)研究要有文獻查證�？茖W(xué)研究要有同行評議�！稊祵W(xué)之美》向我們介紹了自然語(yǔ)言分析領(lǐng)域的科研方法和過(guò)程。
任何一個(gè)領(lǐng)域，深入進(jìn)去都有無(wú)數的細節。有興趣的人不但沒(méi)被這些細節嚇倒，反而會(huì )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學(xué)和算法中的這些細節，也展示了他所達到的高度。值得我學(xué)習。
感謝吳軍先生分享他的知識和深刻見(jiàn)解，也感謝人民郵電出版社出了這樣一本好書(shū)。
數學(xué)之美讀后感6
我是在讀了吳軍博士的《浪潮之巔》之后，發(fā)現推薦了《數學(xué)之美》這本書(shū)。我到豆瓣讀書(shū)上看了看評價(jià)，就果斷在當當上下單買(mǎi)了一本研讀。本來(lái)我以為這是一本充滿(mǎn)各種數學(xué)專(zhuān)業(yè)術(shù)語(yǔ)的書(shū)，讀后讓我非常震撼的是吳軍博士居然能用非常通俗的語(yǔ)言將自然語(yǔ)言處理等高深理論解釋的相當簡(jiǎn)單。在李開(kāi)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(lái)說(shuō)，讀這本書(shū)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(guò)更加廣泛的涉獵知識，去尋找一個(gè)自己喜歡的研究領(lǐng)域。如果找到了這樣一個(gè)領(lǐng)域，那么我就讀博士。如果沒(méi)有的話(huà)，那么我想還是工作算了。
1、學(xué)科之間的聯(lián)系是如此的重要
全書(shū)主要是圍繞著(zhù)吳軍博士所研究的自然語(yǔ)言處理方向來(lái)講述一些應用在這個(gè)研究領(lǐng)域的數學(xué)知識，用了很大篇幅講解了將通信的原理應用到自然語(yǔ)言處理上所取得的巨大成功。以前學(xué)習計算機網(wǎng)絡(luò )的時(shí)候，學(xué)過(guò)一個(gè)香農定理。對香農的認識就從香農定理開(kāi)始，因為考研會(huì )考相關(guān)的計算題�？戳诉@本書(shū)才知道，香農的《信息論》對今天的影響真的是不可估量。通過(guò)這樣一個(gè)過(guò)程，我也對以前的本科學(xué)校的學(xué)科建設產(chǎn)生了一些憂(yōu)慮。對于培養計算機人才來(lái)說(shuō)，無(wú)論是培養應用型人才，還是培養研究型人才，都應該與電子、通信有一定的交叉，這樣對學(xué)生思考問(wèn)題的啟發(fā)與視野的開(kāi)闊有著(zhù)重要的作用。計算機本身就是從電子、通信、數學(xué)等學(xué)科中抽出來(lái)的新興的學(xué)科，在發(fā)展了多年之后，我們發(fā)現它仍然需要繼承一些傳統�；叵胱约旱谋究扑哪�，上的更多的課時(shí)
語(yǔ)言類(lèi)、技術(shù)類(lèi)的課程，這些課程的確對提升學(xué)生的就業(yè)有很大幫助。但是我想說(shuō)的是，一個(gè)忽視數學(xué)基礎、學(xué)科交叉的學(xué)校，他無(wú)法成為一所國內的一流大學(xué)。作為一個(gè)母校培養的學(xué)生，我深知改革的阻力與困難，但是我希望母校的計算機學(xué)院能越辦越好。我們現在已經(jīng)培養出很多高薪優(yōu)秀的技術(shù)人才，我希望將來(lái)也能培養出更多的研究型人才。
2、看起來(lái)很牛的東西卻用著(zhù)難以置信的簡(jiǎn)單數學(xué)原理
在整本書(shū)中讓我最為印象深刻的是解釋Google搜索的原理，居然就是簡(jiǎn)單的布爾代數運算。這個(gè)的確讓我大跌眼鏡，我一直認為搜索時(shí)一個(gè)非常復雜而龐大的問(wèn)題，其數學(xué)原理也是相當高深的，但是吳軍博士的解釋讓我大開(kāi)眼界。與此同時(shí)也知道了Google為什么牛，牛在哪了。搜索的原理雖然非常簡(jiǎn)單，但是搜索是一個(gè)需要對海量數據進(jìn)行操作的工作。Google在海量數據的處理方面的確是相當先進(jìn)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(wú)出其右。目前分布式存儲、分布式計算、數據倉庫與存儲等研究領(lǐng)域近些年來(lái)的大熱也說(shuō)明Google在引領(lǐng)研究方向上的超凡本領(lǐng)。
3、感謝概率老師的教誨
在大二的時(shí)候，有一個(gè)在我們學(xué)生中聲望很高的概率老師，他在課程即將結束的時(shí)候跟我們說(shuō)我們將的是前幾章，這些事概率論與數理統計的基礎。對于你們計算機的學(xué)生來(lái)時(shí)，后面的章節才是最有用的，以后一定要好好的研究，弄上一兩個(gè)在你的畢業(yè)設計上就會(huì )讓你畢業(yè)設計提升一個(gè)檔次，有可能驗收你畢業(yè)設計的老師也不懂。我當時(shí)對他的話(huà)沒(méi)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(gè)學(xué)期的概率課基本上都在睡覺(jué)，只有他講笑話(huà)的時(shí)候不睡。我看《數學(xué)之美》后發(fā)現馬爾科夫鏈、貝葉斯網(wǎng)絡(luò )之后，對以前的概率老師充滿(mǎn)無(wú)限的敬意。我發(fā)現我們再本科階段學(xué)習的《高等數學(xué)》、《線(xiàn)性代數》、《概率論與數理統計》在計算機學(xué)科應用較多的要數概率論與數理統計，還有一門(mén)我學(xué)的不好的《離散數學(xué)》在計算機中也是有著(zhù)舉足輕重的地位。我在看米歇爾的《機器學(xué)習》時(shí)也發(fā)現很多熟悉的概率論與數理統計的知識，這讓我不得不開(kāi)始考慮重新彌補自己的數學(xué)短板。我的想法是在研一這一年把概率論與數理統計、線(xiàn)性代數、離散數學(xué)盡我最大的努力補一補，希望他們對我今后的學(xué)習有所幫助。
4、說(shuō)說(shuō)作者吳軍博士
吳軍博士寫(xiě)的書(shū)對于學(xué)習計算機的學(xué)生來(lái)說(shuō)，讀起來(lái)有種說(shuō)不出的親切感�？赡苓@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(fēng)也讓人讀起來(lái)很舒服�？锤邥运稍趦�(yōu)酷上的《曉說(shuō)》就知道，在硅谷有著(zhù)眾多的華裔工程師，他們很多都來(lái)自清華、北大等國內的名牌大學(xué)，這些人在美國實(shí)現著(zhù)自己的夢(mèng)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寫(xiě)書(shū)或者來(lái)國內的大學(xué)做一些演講、論壇等等，開(kāi)闊一下我們的視野，傳授一下做學(xué)問(wèn)的經(jīng)驗。與此同時(shí)，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(gè)問(wèn)題在我去蘋(píng)果公司在東軟信息學(xué)院組織的培訓過(guò)程中得到了答案，那個(gè)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(shí)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(xué)子紛紛到大洋彼岸的美國，正是被美國開(kāi)放的學(xué)術(shù)環(huán)境、創(chuàng )新氛圍所吸引，每個(gè)人都有自己的夢(mèng)想，他們去美國也是為了能實(shí)現自己的夢(mèng)想。以前都覺(jué)得他們是不愛(ài)國，現在長(cháng)大了，對于這個(gè)問(wèn)題看得更清楚了一點(diǎn)。我想說(shuō)我們的祖國在經(jīng)歷了改革開(kāi)放30多年的飛速發(fā)展之后，目前正處于一個(gè)關(guān)鍵和脆弱的時(shí)期。我們靠著(zhù)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(kāi)復博士、吳軍博士那樣，為我們這個(gè)民族青年的成長(cháng)和國家發(fā)展做出貢獻。
數學(xué)之美讀后感7
前一陣子因興趣研究CMUSphinx這套庫的應用不得要領(lǐng)，就去查看了下一些語(yǔ)音識別的基本原理的文章，偶然碰到了數學(xué)之美。其實(shí)浪潮之巔也是因此開(kāi)始看的、結果先一步看完了，畢竟一本歷史書(shū)，一本介紹數學(xué)和語(yǔ)言處理的，難度不同
說(shuō)實(shí)話(huà)，因為初中高中荒廢了太多時(shí)間，我的英文和數學(xué)基礎比較差，我大學(xué)的數學(xué)都是勉強修過(guò)的。一直以來(lái)數學(xué)對我是一個(gè)很恐怖的學(xué)科，也不知道為什么計算機專(zhuān)業(yè)對數學(xué)要求比較高。我個(gè)人就是數學(xué)分數很低，但是專(zhuān)業(yè)課學(xué)的還不錯，唯一好點(diǎn)的數學(xué)科目就是離散數學(xué)吧，另外的工科數學(xué)分析和高等代數都是慘不忍睹的
看完這本書(shū)后，我發(fā)現我還真是低估了數學(xué)的作用，一個(gè)復雜的語(yǔ)言識別過(guò)程，用統計語(yǔ)言模型竟然用那么簡(jiǎn)單的數學(xué)模型就解決了，這對我的沖擊很大。另一個(gè)對我影響比較大的就是余弦定理和新聞的分類(lèi)。以前那些各種三角函數的變換、三角函數，各種向量，各種空間圖形在我印象中就只能用于畫(huà)設計圖，或者搞空間物理化學(xué)等基礎學(xué)科的應用上，想著(zhù)“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(jiǎn)單的把那么復雜的分裂問(wèn)題給解決了�，F在想想我當初想法還真是幼稚啊，可惜覆水難收，過(guò)去的時(shí)間已經(jīng)回不來(lái)了，但至少我現在明白了數學(xué)的重要性，總能想辦法彌補的。
不得不說(shuō)國內的教科書(shū)還真是太死板了。很多書(shū)上，先不說(shuō)沒(méi)講應用領(lǐng)域和這個(gè)能干嗎，有些教科書(shū)連推導過(guò)程也沒(méi)說(shuō)明白。像我大學(xué)時(shí)候的那幾本高代高數的教科書(shū)，在某一步關(guān)鍵的過(guò)程寫(xiě)一句“顯而易見(jiàn)”，然后就莫名其妙的出現了結果，這讓我們基礎差的人情何以堪啊，更何況我問(wèn)了那些數學(xué)好的，他們想推導出那一步也要想好久。后來(lái)?yè)Q了一下同濟大學(xué)版，發(fā)現同樣的定理，同樣的范圍，就是理解起來(lái)容易了不少。果然好書(shū)和差一點(diǎn)的書(shū)差別真不少。所以我就在網(wǎng)上整理了一些好的數學(xué)書(shū)籍，等會(huì )兒x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(shū)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(huì )從獨門(mén)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(guò)的項目里，如果出現沒(méi)想過(guò)的情況，就加一個(gè)異常處理處理特殊情況，本來(lái)很簡(jiǎn)單的東西，愣是被我搞復雜了�，F在想回來(lái)，那時(shí)候境界太低，連開(kāi)始的本質(zhì)和原理都沒(méi)弄清楚，就埋頭搞下去了，以后要多注意點(diǎn)。
我一向喜歡實(shí)用性強的方法和工具，在這書(shū)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(yè)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(hù)解決主要的問(wèn)題，再決定要不要糾結在次要的部分上；要知道修改代碼的所作所為，知其所以然；能用簡(jiǎn)單方法解決就用簡(jiǎn)單的，可讀性很重要。
不過(guò)中間有兩個(gè)部分沒(méi)搞明白，最大熵模型和貝葉斯網(wǎng)絡(luò )，沒(méi)搞懂為什么能解決那些問(wèn)題。貝葉斯網(wǎng)絡(luò )還能稍微理解，少了馬爾科夫鏈的線(xiàn)性約束，更自由；但最大熵模型真搞不懂為什么那么好用，以后繼續研究。
總之這是一本很好的書(shū)，推薦大家讀一下。
數學(xué)之美讀后感8
在網(wǎng)上看到有人推薦吳軍博士的《數學(xué)之美》，盡管我從事社會(huì )科學(xué)研究，但對數學(xué)的推崇一直如此，所以買(mǎi)來(lái)一讀，我的真切體驗正如吳軍博士在書(shū)的后記中所說(shuō)，把自己“境界提升了一個(gè)層次”。
那么，對我而言，到底提升了什么境界呢？
首要的肯定是思想境界。在未讀這本書(shū)之前，我知道對于這個(gè)世界的事件形成的信息集合，人類(lèi)只有兩種方式可以表達，一個(gè)是數字，一個(gè)是語(yǔ)言。整個(gè)實(shí)數的集合是無(wú)窮個(gè)，而且每個(gè)數字都是唯一的；整個(gè)世界中的事件也是無(wú)窮個(gè)的，而且每個(gè)事件也時(shí)獨一無(wú)二的，這樣數學(xué)中的數字集合與世界中的事件集合就構成一個(gè)一一對應的關(guān)系，所以研究數字之間的關(guān)系，實(shí)際上就是在研究世界中事件之間的關(guān)系。語(yǔ)言中的概念和世界中的事件之間也是可以構成一個(gè)對應關(guān)系的，但問(wèn)題是，語(yǔ)言中概念的集合是有限的，所以它和數字集合的對應顯然只能是部分對應。
計算機科學(xué)的發(fā)展，人類(lèi)需要把語(yǔ)言處理成數字，因為計算機只能識別數字信號，所以“語(yǔ)言的數字化”成為計算機產(chǎn)生以來(lái)發(fā)展最快、而且最有創(chuàng )新性的領(lǐng)域，而許多華人科學(xué)家成為了這個(gè)領(lǐng)域的頂尖專(zhuān)家，如李開(kāi)復，吳軍博士是卓越的科學(xué)家之一。至此我才感到，在計算機主導的世界中，信息化就是數字化，而最難的數字化、也是最有成就的數字化，就是對人類(lèi)自然語(yǔ)言的數字化，因為人類(lèi)的信息幾乎100%是用語(yǔ)言承載、傳播的，計算機要與人對話(huà)，變成智能化的機器，首先要解決的就是語(yǔ)言的數字化問(wèn)題。但我們在電腦上自如地輸入文字時(shí)、或者拿著(zhù)手機通話(huà)時(shí)，我們跟本沒(méi)有意識到，那些卓越的語(yǔ)言科學(xué)家，早已經(jīng)把我們的語(yǔ)言，轉化成數字信號，通過(guò)輸入、處理、解碼的方式，讓我們無(wú)障礙地聯(lián)絡(luò )、工作。
我似乎感到，語(yǔ)言與數字的關(guān)系，就是人與自然關(guān)系的接口。套用古希臘畢達哥拉斯學(xué)派的觀(guān)點(diǎn)，加上我的理解，即是，數是萬(wàn)物的本原，語(yǔ)言是人的本原！
吳軍博士似乎也在提升我對方法的認識境界�？茖W(xué)研究的思考方式，習慣遵循本質(zhì)、規律、連續性思維，在語(yǔ)言學(xué)研究的早期，人類(lèi)為了讓計算機識別語(yǔ)言，采用建立語(yǔ)言規則和語(yǔ)言規則數據庫的辦法，但最終以失敗告終（20世紀50-70年代），70年代后科學(xué)家采用了語(yǔ)言統計模型，研究取得了突飛猛進(jìn)。語(yǔ)言統計模型的勝利，再一次證明了宇宙量子模型的信念，世界是不連續的隨機性的粒子構成，人類(lèi)數千年文明進(jìn)化出來(lái)的語(yǔ)言系統，就是動(dòng)態(tài)的隨機概率事件。其二，物理思維再也難逃牛頓的經(jīng)典本質(zhì)思維方法，即找尋到百分之百確定性的規律，而信息論思維是研究如何把握不確定性現象，利用概率統計是不二法門(mén)。其三，語(yǔ)言本質(zhì)上就是信息傳播，只有從通信模型視角才能真正理解計算機的功能，對語(yǔ)言的編碼、處理、傳輸、解碼是計算機的強項，計算機是永遠不可能理解語(yǔ)言的意思的。
在《數學(xué)之美》中，吳軍博士對他的老師、師兄弟、同事的經(jīng)歷、掌故進(jìn)行了敘述，讓我們了解到這些世界一流的學(xué)科家、技術(shù)精英們的為人處世品質(zhì)、鮮明個(gè)性、科學(xué)素養及其管理風(fēng)格。例如賈里尼克對博士生的嚴酷淘汰，馬庫斯對學(xué)生的寬宏大度，但我感到他們有一樣東西是共同的，就是對科學(xué)創(chuàng )造、頂尖人才的識別和器重，甚至是無(wú)條件的包容。如此為人的境界才是根本，因為偉大的科學(xué)創(chuàng )造畢竟是人做出來(lái)的，只有崇高的人文精神之下才能造就頂尖的人才、一流的科學(xué)和技術(shù)。
觀(guān)國內的學(xué)說(shuō)界，官風(fēng)盛行、人情充斥，與這些一流學(xué)說(shuō)群對科學(xué)創(chuàng )造的賞識、對個(gè)性人才的包容，對科學(xué)探索的熱誠，可謂相去甚遠。
看來(lái)，我們只能寄希望于年輕一代，但愿吳博士的《數學(xué)之美》，能讓我們的學(xué)子們，初步體驗到科學(xué)精英們卓越的才智與情懷。
數學(xué)之美讀后感9
如果要評選最令人痛恨的科目，估計非數學(xué)莫屬了。
人類(lèi)花了幾百年時(shí)間才形成了現代數學(xué)完備的理論體系，結果卻要求我們在3-5年里全部學(xué)完。這顯然是要杯具的。也顯然是除了背公式就沒(méi)有其他辦法的。
數學(xué)，小學(xué)的時(shí)候全是數字，初中的時(shí)候加入了XY，高中的時(shí)候基本沒(méi)數字了，大學(xué)高數不但數字少，而且各種符號滿(mǎn)天飛。
其實(shí)想想就明白了，古時(shí)候的人們真的是閑的蛋疼才去研究數學(xué)的嗎？明顯是在工程工作和實(shí)際生活中遇到了難題，需要數學(xué)這個(gè)科學(xué)的皇后來(lái)解決，于是人們才去研究的數學(xué)啊。數學(xué)是與應用分不開(kāi)的啊。為什么在學(xué)習的過(guò)程中，卻被生生剝離了實(shí)際呢？《數學(xué)之美》里面的一句話(huà)提醒了我，幾乎所有的科學(xué)家都是數學(xué)家，但是很少有數學(xué)家同時(shí)是語(yǔ)言學(xué)家。
會(huì )做事而不會(huì )講事的人，編寫(xiě)了我們的教材。
如果《數學(xué)之美》的作者吳軍執筆重寫(xiě)我們的數學(xué)教科書(shū)，說(shuō)不定中國會(huì )出現更多的數學(xué)家。
由于每個(gè)月都買(mǎi)1-2百的書(shū)，對什么是好書(shū)，我現在心里是越來(lái)越有底了。其實(shí)標準很簡(jiǎn)單，能不羅嗦的把事情給講清楚了，就是好書(shū)。從這個(gè)標準出發(fā)，我杯具的發(fā)現，國內的教科書(shū)極少有滿(mǎn)足這個(gè)簡(jiǎn)單的標準的。大部分是生搬硬套，大雜燴一鍋燉。
本著(zhù)事情要講清楚的原則，現在的數學(xué)教科書(shū)，就應該把課后習題給詳解。把公式隱含的條件反復的強調，而不是像躲貓貓一樣找死不見(jiàn)，解體的時(shí)候應該循序漸進(jìn)，適量更新，而不是幾十年不變。那些公式什么的，你多解釋幾遍，多用文字講解一下，多寫(xiě)點(diǎn)有用的中文，少推導些萬(wàn)年不用的公式，少寫(xiě)點(diǎn)“容易得出”“易推導出”這些蛋疼而無(wú)用的文字，增加一下讓教科書(shū)的可讀性，行不行？別整的公式套公式，顯得你編書(shū)的人很牛逼似地，其實(shí)你就是一心虛的。心虛怕講得多錯的多，被人質(zhì)疑你的權威性，逼就是有錯不改，強賣(mài)垃圾，編的這么爛，如果不是指定教材，放到市場(chǎng)上有人買(mǎi)才怪。最?lèi)盒牡倪�壟斷，還不給別人編。
《數學(xué)之美》是把數學(xué)怎么簡(jiǎn)單，怎么好理解就怎么講。
教科書(shū)是公式一擺，撒手不管，習題雷同例題，與實(shí)際脫節，任外面山洪海嘯，我自巋然不動(dòng)。
中國的教科書(shū)啊，學(xué)一下國外的吧。北大出版社翻譯出版的《經(jīng)濟學(xué)原理》雖然是教科書(shū)，但是凡是對經(jīng)濟有一丁點(diǎn)興趣的人，都會(huì )對這套書(shū)稱(chēng)贊不已。這他媽的才是教科書(shū)應有的樣子啊。
數學(xué)之美讀后感10
我在想，為什么我們要學(xué)習數學(xué)？也許這個(gè)問(wèn)題成年人有一萬(wàn)個(gè)答案，可是當我們第一次走進(jìn)教室，學(xué)習數學(xué)的時(shí)候，大概率還是個(gè)孩子，你怎么跟一個(gè)孩子解釋為什么要學(xué)習數學(xué)呢？我把這個(gè)問(wèn)題拋給了一個(gè)朋友，他說(shuō)：“為了提高思維邏輯能力，這是我初中老師在第一節數學(xué)課上告訴我們的”�；蛘咭晃�5歲的小朋友又會(huì )問(wèn)：“什么是邏輯能力呢？”
也許從出生第一天，我們就一直在被動(dòng)的接收一些東西，父母的勸導，老師的傳授，可5歲的孩子還是會(huì )把玩具散落一地，6歲的孩子仍然會(huì )因為父母不給買(mǎi)玩具而嗷嗷大哭，無(wú)論你怎么勸導一個(gè)人，怎么勸誡一個(gè)人，他可能仍然會(huì )犯你認為會(huì )出現的錯誤。我記得有位教育專(zhuān)家這么說(shuō)：“你告訴寶寶他把玩具弄壞了，就等于丟了10個(gè)棒棒糖”，從此以后這個(gè)寶寶可能會(huì )更加珍惜玩具。這個(gè)方法很簡(jiǎn)單，但是貌似最有效。數學(xué)是什么？數學(xué)不就是把復雜的東西簡(jiǎn)單化么？
現在我們再回答前面的問(wèn)題：為什么我要學(xué)習數學(xué)？我們可以這么跟5歲的小朋友說(shuō)：“媽媽給你10元錢(qián)，讓你買(mǎi)醬油，醬油7元、棒棒糖1元一個(gè)，剩下的錢(qián)你可以買(mǎi)幾個(gè)棒棒糖？”或許想吃棒棒糖的就會(huì )苦思冥想一番，或許未來(lái)媽媽真的給他10元錢(qián)去買(mǎi)醬油，結果回來(lái)就變成了一瓶醬油和3個(gè)棒棒糖�；蛘咴龠^(guò)一段時(shí)間，這位小朋友會(huì )選擇6元的醬油，因為可以獲得4個(gè)棒棒糖了。他這么計算著(zhù)：7+3和6+4都可以等于10，那么如果要必須買(mǎi)醬油的情況下，1+9也可以等于10。我們都知道也有1元的袋裝醬油，于是9個(gè)棒棒糖到手了。任何知識的魅力都在于自我的發(fā)現，只有你對它產(chǎn)生了無(wú)限的興趣，你就會(huì )不斷的發(fā)現它的美，《數學(xué)之美》也可以變成《物理之美》。
有些人會(huì )說(shuō)，上面的例子是利益驅動(dòng)型，不是興趣驅動(dòng)型，對于一個(gè)孩子來(lái)說(shuō)，你能指望他向成人那樣：“我需要的不是物質(zhì)世界，我需要的是精神世界？”。5歲寶寶最喜歡做得事情就是在吃和玩上面，請問(wèn)，成年人不也是如此么？這就是天性。只不過(guò)成年人的自控能力足夠大罷了。
我們回到書(shū)本上，這本書(shū)是否合適自己？如果沒(méi)有專(zhuān)業(yè)的數學(xué)知識，很難讀懂。但是它又有著(zhù)無(wú)限的魅力，讓你不自覺(jué)的讀下去，為什么？因為“數學(xué)之美”，雖然大多數人看不懂里面的公式，但是能夠明白數學(xué)能解決的問(wèn)題：概率統計學(xué)能夠解決自然語(yǔ)言處理、布爾代數能解決搜索引擎的問(wèn)題、有限狀態(tài)機和動(dòng)態(tài)規劃能解決地圖問(wèn)題、向量+特征向量+余弦定理能解決自動(dòng)新聞分類(lèi)問(wèn)題、最大熵模型解決金融問(wèn)題，看著(zhù)看著(zhù)我就莫名的產(chǎn)生了一種想要學(xué)習算法的沖動(dòng)，這不就是本書(shū)的意義所在么？
最后，我推薦幾個(gè)章節希望有興趣的讀者可以關(guān)注下：
1. 信息指紋，可以讓復雜的數據用簡(jiǎn)單的一串數字存儲
2. 13章，提到的簡(jiǎn)單之美。當然之后多次提到
3. 余弦定理（通過(guò)向量+特征向量+余弦定理）可以判斷兩條數據的相似性
4. 17章，簡(jiǎn)單密碼學(xué)（對密碼感興趣的可以看看）
5. 布隆過(guò)濾器，用很少的空間存儲大量的數據，從而解決黑名單的問(wèn)題（黑名單數據量龐大的時(shí)候，會(huì )增加判斷某一個(gè)名單是否出現過(guò)的難度）。
6. 29章，分治算法，雖然沒(méi)有很明白算法，但是原理其實(shí)很簡(jiǎn)單：把復雜的東西拆分成若干小的部分，然后進(jìn)行逐個(gè)解決或者說(shuō)各個(gè)擊破
7. 30章，神經(jīng)網(wǎng)絡(luò )，其實(shí)沒(méi)那么神秘，神經(jīng)就好比一個(gè)網(wǎng)絡(luò )（馬爾科夫模型+貝葉斯網(wǎng)絡(luò )）中的各個(gè)節點(diǎn)而已。
8. 31章，大數據，這章是最推薦看的，而且沒(méi)有很多專(zhuān)業(yè)的知識，一看就懂。不是什么都可以稱(chēng)之為大數據的，大數據需要滿(mǎn)足幾個(gè)條件：數據的代表性、數據的多維度、數據的完備性�，F在有很多公司都自稱(chēng)自己有大數據，請不要侮辱大數據這個(gè)詞。順便說(shuō)一下像百度這樣的公司，近幾年都在大數據上深耕，據我了解，比如醫療上面的項目，寧可免費做，只要求能夠得到醫療方面的大數據，可見(jiàn)其對大數據的重視程度。
【數學(xué)之美讀后感】相關(guān)文章：
教育之美論文10-31
職場(chǎng)儀表之美11-22
動(dòng)畫(huà)設計之美09-23
英語(yǔ)新聞的翻譯之美08-15
茶湯中的意境之美11-11
托�？谡Z(yǔ)模板之美劇臺詞11-29
動(dòng)畫(huà)設計之美有哪些09-29
談美讀后感11-21