當看完一本著作後，相信大家有很多值得分享的東西吧，現在就讓我們寫一篇走心的讀後感吧。那要怎麼寫好讀後感呢？以下是小編幫大家整理的數學之美讀後感，僅供參考，歡迎大家閱讀。
數學之美讀後感1
讀了一篇文章，你有什麼感想，以下是一則讀後感美文，請閱讀，本站VOM;
《數學之美》，一個從事多年工作的谷歌研究員眼中的數學。令我大飽眼福的是，大學裡面的數學知識竟能如此廣泛運用到了計算機行業中。
在語音識別、翻譯，還有密碼學領域，有著許多基於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，神經網路模型。
在搜尋中，一些相關性的計算，無不用到了概率的知識。在新聞分類中，用到了一些有關矩陣特徵值、相似對角化的知識。當然，在影象處理方面，矩陣變換可謂是無處不在。另外，在識別方面，有一些通訊模型，涉及到了通道、誤位元速率、資訊熵。
編輯：應屆畢業生讀後感網
數學之美讀後感2
《數學之美》，一個從事多年工作的谷歌研究員眼中的數學。令我大飽眼福的是，大學裡面的數學知識竟能如此廣泛運用到了計算機行業中。
在語音識別、翻譯，還有密碼學領域，有著許多基於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，神經網路模型。
在搜尋中，一些相關性的計算，無不用到了概率的知識。在新聞分類中，用到了一些有關矩陣特徵值、相似對角化的知識。當然，在影象處理方面，矩陣變換可謂是無處不在。另外，在識別方面，有一些通訊模型，涉及到了通道、誤位元速率、資訊熵。
最近剛開學也沒什麼事，所以就想隨便找幾本書看一下，但最好別是那種太艱深晦澀的書。8月份一直到現在，吳軍寫的這本12年5月出版的《數學之美》一直盤踞京東、亞馬遜等各大網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，於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、反思一下，反正剛開完班會也沒什麼事幹。
寫在前面的建議：如果你不討厭數學的話，強烈推薦這本書，網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、概率統計、組合數學、資訊理論、計算機演算法、模式識別最好（雖然列舉了這麼多，其實有些不懂也沒關係……），所以尤其適合信科的人看。內容大部分是和人工智慧、計算機相關的，這並非我所學的專業，但作者比較擅長將看似複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的，之前任職於Google，後來到了騰訊，這些文章都是發表在Google黑板報上的，後來經過了重寫，所以網上下載的和書本內容有所差異。由於吳軍本人是研究自然語言處理和語音識別的，所以統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學之美的展現……感覺收穫還是挺多的，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複雜的高科技背後，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，隱藏在背後的卻是很多具有大學理科學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原理，早期的研究主要集中在縮短平均編碼長度，比如曾經流行一時的五筆輸入法，而現今真正實用的輸入法卻是有很多資訊冗餘、編碼長度比較長的拼音輸入法，作者從資訊理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並進行分類，而實際上只是特徵向量的抽取、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的人絕對是一看就懂的……當然，完美的實現還需要考慮很多細節和現實的情況，但這並不是這本書所關注的地方，數學之美在於其簡潔而不是繁瑣。
除了對於具體資訊科技的剖析之外，作者還花了很大篇幅來講一些傑出人士的成長過程，特別是把這些人的成長經歷和中國學生的成長經歷作對比。雖然作者並沒有明說，但字裡行間多少流露出對於中國高等教育以及很多中國企業的批評，一是教育的功利性，缺乏寬鬆的獨立思考的環境，即使學了一堆理論也難有用武之地，自然也就缺乏創新性的成果；二是中國企業的短視，大部分都不捨得在新框架開發上投資，而是坐享學術界和國外企業的研究成果。
總結一下呢，《數學之美》事實上不能帶給你程式設計能力的提升，也沒法讓人的數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的束縛，能夠從更巨集觀的角度來思考資訊世界背後的數學引擎的執行原理，讓人明白看似很高階、複雜的東西背後其實並不如我們所想象的那樣複雜，而我們所學的“枯燥”的數學真的可以“四兩撥千斤”，改變億萬人的生活。
數學之美讀後感3
確切的來說，《數學之美》並不是一本書，它是谷歌黑板報中的一系列文章，介紹數學在資訊檢索和自然語言處理中的主導作用和奇妙應用，每一篇文章都不長，但小中見大，從看似高深的高科技中用通俗易懂的案例展示了數學之美，深深的吸引了我。
這一系列文章的作者是google公司的科學家吳軍。他畢業於清華大學計算機系(本科)和電子工程系(碩士)，並於1993-1996年在清華任講師。他於1996年起在美國約翰霍普金斯大學攻讀博士，並於XX年獲得電腦科學博士學位。在清華和約翰霍普金斯大學期間，吳軍博士致力於語音識別、自然語言處理，特別是統計語言模型的研究。他曾獲得1995年的全國人機語音智慧介面會議的最佳論文獎和XX年eurospeech的最佳論文獎。
吳軍博士於XX年加入google公司，現任google研究院資深研究員。到google不久，他和三個同事們開創了網路搜尋反作弊的研究領域，並因此獲得工程獎。XX年，他和兩個同事共同成立了中日韓文搜尋部門。吳軍博士是當前google中日韓文搜尋演算法的主要設計者。在google其間，他領導了許多研發專案，包括許多與中文相關的產品和自然語言處理的專案，並得到了公司執行長埃裡克.施密特的高度評價。吳軍博士在國內外發表過數十篇論文並獲得和申請了近十項美國和國際專利。他於XX年起，當選為約翰霍普金斯大學計算機系董事會董事。
正是他在資訊檢索與自然語言處理領域中的一系列工作，使他講述了我所看到的內容-數學之美。
看了數學之美，立即聯想到了金庸小說中的武林高人，總是把一套大多數人都會的入門功夫使得威力無比，擊潰眾多敵者。東西放在那，它的威力如何，並鍵在於使用者，武術如此，數學同樣如此。
於我而言，語音視別是一類高科技，作為非專業人土，深覺高奧。但看完數學之美之後，頓感驚詫，原來如此深奧東西的解決方法自己也學過，並且理工科讀過大學的人都學過，那就是統計學中的條件概率p(a/b)，即b事件發生條件下a事件發生的概率。
如果s表示一連串特定順序排列的詞w1，w2，…，wn，換句話說，s可以表示某一個由一連串特定順序排練的詞而組成的一個有意義的句子。現在，機器對語言的識別從某種角度來說，就是想知道s在文字中出現的可能性，也就是數學上所說的s的概率用p(s)來表示。利用條件概率的公式，s這個序列出現的概率等於每一個詞出現的概率相乘，於是p(s)可展開為：
p(s)=p(w1)p(w2|w1)p(w3|w1w2)…p(wn|w1w2…wn-1)
其中p(w1)表示第一個詞w1出現的概率;p(w2|w1)是在已知第一個詞的前提下，第二個詞出現的概率;以次類推。不難看出，到了詞wn，它的出現概率取決於它前面所有詞。從計算上來看，各種可能性太多，無法實現。因此我們假定任意一個詞wi的出現概率只同它前面的詞wi-1有關(即馬爾可夫假設)，於是問題就變得很簡單了。現在，s出現的概率就變為：
p(s)=p(w1)p(w2|w1)p(w3|w2)…p(wi|wi-1)…
(當然，也可以假設一個詞又前面n-1個詞決定，模型稍微複雜些。)
接下來的問題就是如何估計p(wi|wi-1)。現在有了大量機讀文字後，這個問題變得很簡單，只要數一數這對詞(wi-1,wi)在統計的文字中出現了多少次，以及wi-1本身在同樣的文字中前後相鄰出現了多少次，然後用兩個數一除就可以了,p(wi|wi-1)=p(wi-1,wi)/p(wi-1)。
也許很多人不相信用這麼簡單的數學模型能解決複雜的語音識別、機器翻譯等問題。其實不光是常人，就連很多語言學家都曾質疑過這種方法的有效性，但事實證明，統計語言模型比任何已知的藉助某種規則的解決方法都有效。比如在google的中英文自動翻譯中，用的最重要的就是這個統計語言模型。去年美國標準局(nist)對所有的機器翻譯系統進行了評測，google的系統是不僅是全世界最好的，而且高出所有基於規則的系統很多。
這就是數學的美妙之處了，它把一些複雜的問題變得如此的簡單。
看到《數學之美》，在感嘆數學的美妙與神奇之處時，自然而然聯絡到自己專業(地質工程而或岩土工程)中的數學應用。
現在找文獻，搜尋期刊一大堆基於數學的專業文獻，灰色數學的、模糊數學的、非線性的、系統的，等等，這麼多的數學的使用，促進了一大批的文章，但這些數學方法的應用究竟是發現了哪些問題?還是解決了實際問題嗎?還是僅發了文章，滿足了需求?現實是文章好發，用著難用，解決問題還得傳統的方法，那麼是這些數學方法不行，還是用的太膚淺，根本沒發揮其威力來?如果沒有發揮出威力來，那怎麼用?怎麼發揮?
數學之美讀後感4
第8章裡的“索引”，作者講到谷歌面試產品經理的一道題目：如何向你的奶奶解釋搜尋引擎。關於這個問題，好的回答據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，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，是基於腦子裡的“資料庫”，因為田地不會很多，多了也來不及種，所以跟布林代數沒什麼關係。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。
楊小凱曾經說，如果張五常多加註重使用數學模型，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，不借助數學模型就在經濟學界佔有一席之地。
當然，張五常也不是徹底否定數學的作用，他認為能夠用文字解釋的經濟學原理，不必使用數學對其複雜化。
數學在資訊學和經濟學裡都有廣泛應用，但是在資訊科學方面，對數學作用大小的爭論就沒有經濟學那麼大了。
我們常說搜尋引擎的競價廣告，就可能經歷到第三方公司，通常他們宣傳自己是谷歌或者別的搜尋引擎公司的代理商，然後通過不正當手段為客戶提高網頁的排名。谷歌在消除網路作弊方面做了很多努力，通過修改排序演算法來為搜尋者提供更加準確實效的資訊。
“作弊的本質是在網頁排名訊號中加入噪音，因此反作弊的關鍵是去噪音。沿著這個思路可以從根本上提高搜尋演算法抗作弊的能力。”我們公司就是吃了這個虧，交了不少錢給第三方公司，結果演算法一變，關鍵詞的排名從前三下降到前三頁沒影。
社交搜尋正在雄起，但是如果想要在傳統的搜尋引擎中佔據有利排名，我想，第三方公司的技術水平是很關鍵的。
大學專業課裡，數電總是要比模電簡單不少。
自然界裡大部分的訊號都屬於模擬訊號。所謂模擬訊號，是指時間和數值上都是連續變化的訊號。在實際電路中，模/數轉換是一個很重要的過程，將預處理的模擬訊號經過模/數變換為數字訊號，然後進行數字訊號處理。而數字化處理有很多優點，比如功能強大、抗干擾能力強、易整合化等。
簡而言之，如果沒有數學，就沒有數字訊號處理的概念，也就無法進行訊號的傳輸，而數字訊號傳輸在大規模的整合電路里是必不可少的，這是通訊成功的基本要求。
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，大多數人還是會對數學更加望而卻步。本書更適合通訊電子這些專業的學生，在學習專業課的時候輔助閱讀，對理解通訊原理、數電模電等都有更形象生動的想法。
數學之美讀後感5
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《數學之美》，說一定是我喜歡看的型別。以前也在網上零散看過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。數學是強大的工具，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，但他們掌握了先進的工具。
掌握了先進的工具，必將獲得競爭優勢。如果你知道哪裡有一群軟體工程師，維護著更大的一群計算機，那麼不要猶豫，想辦法使用他們提供的服務，因為這會給你帶來優勢。所以我們使用Google的搜尋和郵件，在亞馬遜、京東和淘寶上購物，用QQ和微博聯絡朋友，使用銀行卡和網上銀行，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、內燃機、電報、電話、電視、計算機、衛星、網際網路，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，就像網際網路視訊點播正在淘汰電視、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“落後的”工具，還有什麼意義？其實我們在使用一些“落後的”工具時，主要是在學習工具背後的思想。書法和繪畫中蘊含的藝術審美的一般原則，經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。《數學之美》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餘弦定理和新聞分類。餘弦定理是中學數學，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！
每一種工具的背後，是人們對世界的一種理解。蒸汽機和內燃機背後，是力學的世界。電報、電話、電視、計算機和網際網路背後，是資訊的世界。數學是抽象的工具，是其他工具背後的工具。每一門學科要成為科學，都少不了數學。也許有一天人們會習慣，用數學工具來分析藝術。數學是一種語言，它源於具體的世界，又高於具體的世界。如果說語言是對世界的認識和描述，如果說數學是一種語言，那麼它一定是最接近神的語言。看似毫不相關，卻又能描述萬事萬物。
學習數學有什麼用？物理學家費曼當年在大一時提出這個問題，他的師兄建議他轉到物理系。今天，這個問題已不成為問題。具有紮實數學功底的人才正進入各行各業，例如金融業。我認識一個出版社的老總，他招應屆畢業生有一個條件：數學要好。
工具雖好，關鍵還要會用。最終要回到掌握先進工具的人。軟體演算法工程師加上計算機叢集，這是目前一流企業必需的裝備。正如馬克.安德森所說的，各行各業的一流公司，都是軟體公司。優秀的軟體演算法工程師，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。
對資訊加工處理和傳遞的能力不斷增強，是知識經濟的特點。《數學之美》展示了Google如何運用數學和計算機網路，帶領我們進入雲端計算和大資料時代。
知識經濟時代的工作，就是在各自的領域中進行科學研究。科學研究要大膽假設，小心求證。科學研究要量化。科學研究要有對比實驗。科學研究要有數學模型。科學研究要有田野調查。科學研究要有文獻查證。科學研究要有同行評議。《數學之美》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，深入進去都有無數的細節。有興趣的人不但沒被這些細節嚇倒，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學和演算法中的這些細節，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。
數學之美讀後感6
我是在讀了吳軍博士的《浪潮之巔》之後，發現推薦了《數學之美》這本書。我到豆瓣讀書上看了看評價，就果斷在噹噹上下單買了一本研讀。本來我以為這是一本充滿各種數學專業術語的書，讀後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。在李開復博士之後，吳軍博士又成為了目前備受矚目的具有深厚技術背景的作家。對於我來說，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，不只侷限於導師的研究方向，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，那麼我就讀博士。如果沒有的話，那麼我想還是工作算了。
1、學科之間的聯絡是如此的重要
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學知識，用了很大篇幅講解了將通訊的原理應用到自然語言處理上所取得的巨大成功。以前學習計算機網路的時候，學過一個夏農定理。對夏農的認識就從夏農定理開始，因為考研會考相關的計算題。看了這本書才知道，夏農的《資訊理論》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生了一些憂慮。對於培養計算機人才來說，無論是培養應用型人才，還是培養研究型人才，都應該與電子、通訊有一定的交叉，這樣對學生思考問題的啟發與視野的開闊有著重要的作用。計算機本身就是從電子、通訊、數學等學科中抽出來的新興的學科，在發展了多年之後，我們發現它仍然需要繼承一些傳統。回想自己的本科四年，上的更多的課時
語言類、技術類的課程，這些課程的確對提升學生的就業有很大幫助。但是我想說的是，一個忽視數學基礎、學科交叉的學校，他無法成為一所國內的一流大學。作為一個母校培養的學生，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。我們現在已經培養出很多高薪優秀的技術人才，我希望將來也能培養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學原理
在整本書中讓我最為印象深刻的是解釋Google搜尋的原理，居然就是簡單的布林代數運算。這個的確讓我大跌眼鏡，我一直認為搜尋時一個非常複雜而龐大的問題，其數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為什麼牛，牛在哪了。搜尋的原理雖然非常簡單，但是搜尋是一個需要對海量資料進行操作的工作。Google在海量資料的處理方面的確是相當先進的，MapReduce、BigTable等等一些技術的發明與應用使得Google在搜尋上無出其右。目前分散式儲存、分散式計算、資料倉庫與儲存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，他在課程即將結束的時候跟我們說我們將的是前幾章，這些事概率論與數理統計的基礎。對於你們計算機的學生來時，後面的章節才是最有用的，以後一定要好好的研究，弄上一兩個在你的畢業設計上就會讓你畢業設計提升一個檔次，有可能驗收你畢業設計的老師也不懂。我當時對他的話沒有特別在意，我只關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《數學之美》後發現馬爾科夫鏈、貝葉斯網路之後，對以前的概率老師充滿無限的敬意。我發現我們再本科階段學習的《高等數學》、《線性代數》、《概率論與數理統計》在計算機學科應用較多的要數概率論與數理統計，還有一門我學的不好的《離散數學》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》時也發現很多熟悉的概率論與數理統計的知識，這讓我不得不開始考慮重新彌補自己的數學短板。我的想法是在研一這一年把概率論與數理統計、線性代數、離散數學盡我最大的努力補一補，希望他們對我今後的學習有所幫助。
4、說說作者吳軍博士
吳軍博士寫的書對於學習計算機的學生來說，讀起來有種說不出的親切感。可能這跟他是技術出身的原因有關，流暢的文筆、質樸的文風也讓人讀起來很舒服。看高曉鬆在優酷上的《曉說》就知道，在矽谷有著眾多的華裔工程師，他們很多都來自清華、北大等國內的名牌大學，這些人在美國實現著自己的夢想。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寫書或者來國內的大學做一些演講、論壇等等，開闊一下我們的視野，傳授一下做學問的經驗。與此同時，我也在想為什麼我們國家那麼多優秀的IT人才都去了美國。這個問題在我去蘋果公司在東軟資訊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麼不像美國那麼有創造力。我們中國人並不缺乏創造力，很多時候是我們所處的外部環境恰恰阻礙了創新。我想那麼多優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環境、創新氛圍所吸引，每個人都有自己的夢想，他們去美國也是為了能實現自己的夢想。以前都覺得他們是不愛國，現在長大了，對於這個問題看得更清楚了一點。我想說我們的祖國在經歷了改革開放30多年的飛速發展之後，目前正處於一個關鍵和脆弱的時期。我們靠著人口紅利取得了巨大的成就，我們能不能憑藉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展做出貢獻。
數學之美讀後感7
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，偶然碰到了數學之美。其實浪潮之巔也是因此開始看的、結果先一步看完了，畢竟一本歷史書，一本介紹數學和語言處理的，難度不同
說實話，因為國中高中荒廢了太多時間，我的英文和數學基礎比較差，我大學的數學都是勉強修過的。一直以來數學對我是一個很恐怖的學科，也不知道為什麼計算機專業對數學要求比較高。我個人就是數學分數很低，但是專業課學的還不錯，唯一好點的數學科目就是離散數學吧，另外的工科數學分析和高等代數都是慘不忍睹的
看完這本書後，我發現我還真是低估了數學的作用，一個複雜的語言識別過程，用統計語言模型竟然用那麼簡單的數學模型就解決了，這對我的衝擊很大。另一個對我影響比較大的就是餘弦定理和新聞的分類。以前那些各種三角函式的變換、三角函式，各種向量，各種空間圖形在我印象中就只能用於畫設計圖，或者搞空間物理化學等基礎學科的應用上，想著“這種東西和計算機程式設計有什麼關係？要計算角度，庫裡不都提供了嗎？”，哪成想到改變一下思路，改變一下方法，就簡單的把那麼複雜的分裂問題給解決了。現在想想我當初想法還真是幼稚啊，可惜覆水難收，過去的時間已經回不來了，但至少我現在明白了數學的重要性，總能想辦法彌補的。
不得不說國內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幹嗎，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的教科書，在某一步關鍵的過程寫一句“顯而易見”，然後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，更何況我問了那些數學好的，他們想推匯出那一步也要想好久。後來換了一下同濟大學版，發現同樣的定理，同樣的範圍，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。所以我就在網上整理了一些好的數學書籍，等會兒x就貼到文後，以後慢慢補。
"技術分為術和道兩種，具體的做事方法是術，做事的原理和原則是道。這本書的目的是講道而不是講術。很多具體的搜尋技術很快會從獨門絕技到普及，再到落伍，追求術的人一輩子工作很辛苦。只有掌握了搜尋的本質和精髓才能永遠遊刃有餘。” ，然後吳軍先生用搜索反作弊的例子漂亮的解釋了這兩種差別。我以前做過的專案裡，如果出現沒想過的情況，就加一個異常處理處理特殊情況，本來很簡單的東西，愣是被我搞複雜了。現在想回來，那時候境界太低，連開始的本質和原理都沒弄清楚，就埋頭搞下去了，以後要多注意點。
我一向喜歡實用性強的方法和工具，在這書裡我特別喜歡阿米特·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，先幫使用者解決主要的問題，再決定要不要糾結在次要的`部分上；要知道修改程式碼的所作所為，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路，沒搞懂為什麼能解決那些問題。貝葉斯網路還能稍微理解，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麼那麼好用，以後繼續研究。
總之這是一本很好的書，推薦大家讀一下。
數學之美讀後感8
在網上看到有人推薦吳軍博士的《數學之美》，儘管我從事社會科學研究，但對數學的推崇一直如此，所以買來一讀，我的真切體驗正如吳軍博士在書的後記中所說，把自己“境界提升了一個層次”。
那麼，對我而言，到底提升了什麼境界呢？
首要的肯定是思想境界。在未讀這本書之前，我知道對於這個世界的事件形成的資訊集合，人類只有兩種方式可以表達，一個是數字，一個是語言。整個實數的集合是無窮個，而且每個數字都是唯一的；整個世界中的事件也是無窮個的，而且每個事件也時獨一無二的，這樣數學中的數字集合與世界中的事件集合就構成一個一一對應的關係，所以研究數字之間的關係，實際上就是在研究世界中事件之間的關係。語言中的概念和世界中的事件之間也是可以構成一個對應關係的，但問題是，語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。
電腦科學的發展，人類需要把語言處理成數字，因為計算機只能識別數字訊號，所以“語言的數字化”成為計算機產生以來發展最快、而且最有創新性的領域，而許多華人科學家成為了這個領域的頂尖專家，如李開復，吳軍博士是卓越的科學家之一。至此我才感到，在計算機主導的世界中，資訊化就是數字化，而最難的數字化、也是最有成就的數字化，就是對人類自然語言的數字化，因為人類的資訊幾乎100%是用語言承載、傳播的，計算機要與人對話，變成智慧化的機器，首先要解決的就是語言的數字化問題。但我們在電腦上自如地輸入文字時、或者拿著手機通話時，我們跟本沒有意識到，那些卓越的語言科學家，早已經把我們的語言，轉化成數字訊號，通過輸入、處理、解碼的方式，讓我們無障礙地聯絡、工作。
我似乎感到，語言與數字的關係，就是人與自然關係的介面。套用古希臘畢達哥拉斯學派的觀點，加上我的理解，即是，數是萬物的本原，語言是人的本原！
吳軍博士似乎也在提升我對方法的認識境界。科學研究的思考方式，習慣遵循本質、規律、連續性思維，在語言學研究的早期，人類為了讓計算機識別語言，採用建立語言規則和語言規則資料庫的辦法，但最終以失敗告終（20世紀50-70年代），70年代後科學家採用了語言統計模型，研究取得了突飛猛進。語言統計模型的勝利，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，人類數千年文明進化出來的語言系統，就是動態的隨機概率事件。其二，物理思維再也難逃牛頓的經典本質思維方法，即找尋到百分之百確定性的規律，而資訊理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。其三，語言本質上就是資訊傳播，只有從通訊模型視角才能真正理解計算機的功能，對語言的編碼、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言的意思的。
在《數學之美》中，吳軍博士對他的老師、師兄弟、同事的經歷、掌故進行了敘述，讓我們瞭解到這些世界一流的學科家、技術精英們的為人處世品質、鮮明個性、科學素養及其管理風格。例如賈里尼克對博士生的嚴酷淘汰，馬庫斯對學生的寬巨集大度，但我感到他們有一樣東西是共同的，就是對科學創造、頂尖人才的識別和器重，甚至是無條件的包容。如此為人的境界才是根本，因為偉大的科學創造畢竟是人做出來的，只有崇高的人文精神之下才能造就頂尖的人才、一流的科學和技術。
觀國內的學說界，官風盛行、人情充斥，與這些一流學說群對科學創造的賞識、對個性人才的包容，對科學探索的熱誠，可謂相去甚遠。
看來，我們只能寄希望於年輕一代，但願吳博士的《數學之美》，能讓我們的學子們，初步體驗到科學精英們卓越的才智與情懷。
數學之美讀後感9
如果要評選最令人痛恨的科目，估計非數學莫屬了。
人類花了幾百年時間才形成了現代數學完備的理論體系，結果卻要求我們在3-5年裡全部學完。這顯然是要杯具的。也顯然是除了背公式就沒有其他辦法的。
數學，國小的時候全是數字，國中的時候加入了XY，高中的時候基本沒數字了，大學高數不但數字少，而且各種符號滿天飛。
其實想想就明白了，古時候的人們真的是閒的蛋疼才去研究數學的嗎？明顯是在工程工作和實際生活中遇到了難題，需要數學這個科學的皇后來解決，於是人們才去研究的數學啊。數學是與應用分不開的啊。為什麼在學習的過程中，卻被生生剝離了實際呢？《數學之美》裡面的一句話提醒了我，幾乎所有的科學家都是數學家，但是很少有數學家同時是語言學家。
會做事而不會講事的人，編寫了我們的教材。
如果《數學之美》的作者吳軍執筆重寫我們的數學教科書，說不定中國會出現更多的數學家。
由於每個月都買1-2百的書，對什麼是好書，我現在心裡是越來越有底了。其實標準很簡單，能不羅嗦的把事情給講清楚了，就是好書。從這個標準出發，我杯具的發現，國內的教科書極少有滿足這個簡單的標準的。大部分是生搬硬套，大雜燴一鍋燉。
本著事情要講清楚的原則，現在的數學教科書，就應該把課後習題給詳解。把公式隱含的條件反覆的強調，而不是像躲貓貓一樣找死不見，解體的時候應該循序漸進，適量更新，而不是幾十年不變。那些公式什麼的，你多解釋幾遍，多用文字講解一下，多寫點有用的中文，少推導些萬年不用的公式，少寫點“容易得出”“易推匯出”這些蛋疼而無用的文字，增加一下讓教科書的可讀性，行不行？別整的公式套公式，顯得你編書的人很牛逼似地，其實你就是一心虛的。心虛怕講得多錯的多，被人質疑你的權威性，逼就是有錯不改，強賣垃圾，編的這麼爛，如果不是指定教材，放到市場上有人買才怪。最噁心的還壟斷，還不給別人編。
《數學之美》是把數學怎麼簡單，怎麼好理解就怎麼講。
教科書是公式一擺，撒手不管，習題雷同例題，與實際脫節，任外面山洪海嘯，我自巋然不動。
中國的教科書啊，學一下國外的吧。北大出版社翻譯出版的《經濟學原理》雖然是教科書，但是凡是對經濟有一丁點興趣的人，都會對這套書稱讚不已。這他媽的才是教科書應有的樣子啊。
數學之美讀後感10
我在想，為什麼我們要學習數學？也許這個問題成年人有一萬個答案，可是當我們第一次走進教室，學習數學的時候，大概率還是個孩子，你怎麼跟一個孩子解釋為什麼要學習數學呢？我把這個問題拋給了一個朋友，他說：“為了提高思維邏輯能力，這是我國中老師在第一節數學課上告訴我們的”。或者一位5歲的小朋友又會問：“什麼是邏輯能力呢？”
也許從出生第一天，我們就一直在被動的接收一些東西，父母的勸導，老師的傳授，可5歲的孩子還是會把玩具散落一地，6歲的孩子仍然會因為父母不給買玩具而嗷嗷大哭，無論你怎麼勸導一個人，怎麼勸誡一個人，他可能仍然會犯你認為會出現的錯誤。我記得有位教育專家這麼說：“你告訴寶寶他把玩具弄壞了，就等於丟了10個棒棒糖”，從此以後這個寶寶可能會更加珍惜玩具。這個方法很簡單，但是貌似最有效。數學是什麼？數學不就是把複雜的東西簡單化麼？
現在我們再回答前面的問題：為什麼我要學習數學？我們可以這麼跟5歲的小朋友說：“媽媽給你10元錢，讓你買醬油，醬油7元、棒棒糖1元一個，剩下的錢你可以買幾個棒棒糖？”或許想吃棒棒糖的就會苦思冥想一番，或許未來媽媽真的給他10元錢去買醬油，結果回來就變成了一瓶醬油和3個棒棒糖。或者再過一段時間，這位小朋友會選擇6元的醬油，因為可以獲得4個棒棒糖了。他這麼計算著：7+3和6+4都可以等於10，那麼如果要必須買醬油的情況下，1+9也可以等於10。我們都知道也有1元的袋裝醬油，於是9個棒棒糖到手了。任何知識的魅力都在於自我的發現，只有你對它產生了無限的興趣，你就會不斷的發現它的美，《數學之美》也可以變成《物理之美》。
有些人會說，上面的例子是利益驅動型，不是興趣驅動型，對於一個孩子來說，你能指望他向成人那樣：“我需要的不是物質世界，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，成年人不也是如此麼？這就是天性。只不過成年人的自控能力足夠大罷了。
我們回到書本上，這本書是否合適自己？如果沒有專業的數學知識，很難讀懂。但是它又有著無限的魅力，讓你不自覺的讀下去，為什麼？因為“數學之美”，雖然大多數人看不懂裡面的公式，但是能夠明白數學能解決的問題：概率統計學能夠解決自然語言處理、布林代數能解決搜尋引擎的問題、有限狀態機和動態規劃能解決地圖問題、向量+特徵向量+餘弦定理能解決自動新聞分類問題、最大熵模型解決金融問題，看著看著我就莫名的產生了一種想要學習演算法的衝動，這不就是本書的意義所在麼？
最後，我推薦幾個章節希望有興趣的讀者可以關注下：
1. 資訊指紋，可以讓複雜的資料用簡單的一串數字儲存
2. 13章，提到的簡單之美。當然之後多次提到
3. 餘弦定理（通過向量+特徵向量+餘弦定理）可以判斷兩條資料的相似性
4. 17章，簡單密碼學（對密碼感興趣的可以看看）
5. 布隆過濾器，用很少的空間儲存大量的資料，從而解決黑名單的問題（黑名單資料量龐大的時候，會增加判斷某一個名單是否出現過的難度）。
6. 29章，分治演算法，雖然沒有很明白演算法，但是原理其實很簡單：把複雜的東西拆分成若干小的部分，然後進行逐個解決或者說各個擊破
7. 30章，神經網路，其實沒那麼神祕，神經就好比一個網路（馬爾科夫模型+貝葉斯網路）中的各個節點而已。
8. 31章，大資料，這章是最推薦看的，而且沒有很多專業的知識，一看就懂。不是什麼都可以稱之為大資料的，大資料需要滿足幾個條件：資料的代表性、資料的多維度、資料的完備性。現在有很多公司都自稱自己有大資料，請不要侮辱大資料這個詞。順便說一下像百度這樣的公司，近幾年都在大資料上深耕，據我瞭解，比如醫療上面的專案，寧可免費做，只要求能夠得到醫療方面的大資料，可見其對大資料的重視程度。