文章吧手机版
《数学之美 (第二版)》读后感10篇
日期:2018-06-19 21:53:01 来源:文章吧 阅读:

《数学之美 (第二版)》读后感10篇

  《数学之美 (第二版)》是一本由吴军著作人民邮电出版社出版的平装图书,本书定价:49.00元,页数:344,文章吧小编精心整理的一些读者读后感希望大家能有帮助

  《数学之美 (第二版)》读后感(一):如果大学就看了这本书,我一定好好学数学

  在我上大学之前,我的数学成绩一直都还不错。虽然当时的我也认可诸如“你去市场东西需要三角函数么?”以及“小明就是个傻X,不是不小心表格弄脏了就是神经质的把家里的进水管和出水管同时打开...”等等数学无用论,但是为了考试成绩,我仍然义无反顾投入到了数学题海之中,直到高中毕业

  大学的数学加深了我对“数学无用论”的看法。看着老师用一节课写了几个版面的推到过程,再看看那些繁琐公式定理,我对数学仅有的一点好感也消失殆尽了。从此我就以“老子学工科的,只要知道怎么用就行,不需要了解怎么来的”为借口,对数学远而避之。理所当然的,什么麦克斯韦方程式的完美、傅里叶展开的奇妙等等老师口中的“知识奥秘”,统统与我无关。我只知道考试套公式,六十分万岁

  对数学的偏见是从什么时候开始消除的呢?大概是从毕业了为打发时间而看的科普书开始的吧。一开始并不是刻意的想要去了解那些理论,只是想看看那些大学课本里面“可恶的定理”的发明者们,到底是什么样的一群人。没成想从此一发不可收拾,从《上帝掷骰子么》入坑,开始了解那些风华绝代天才们。那些远比无脑穿越剧、狗血抗战剧、冗长恋爱精彩刺激、烧脑的多的故事,才是推动整个人车轮向前的动力。那些以前深恶痛绝的泰勒展开、拉格朗日定理们,也都一个个生动起来。虽然天才们的故事大都精彩,但仍然留有遗憾,就是我的知识有限见识短浅,对于这些基本理论对现在高速发展智能应用之间的关系仍然不得而知,面对层出不穷的新科技,我只能做一个捧着旧故事看热闹旁观者

  直到我在等火车间隙,一口气读完了整个24章的数学之美(我的kindle下了一个只有24章的阉割版,甚是遗憾,好在我买的该书的第二版马上到了,对于吴老师最后新添加的章节,我已经迫不及待了)。在合上电子书之后,我抬头看了看候车室里低头看手机人们,莫名感慨,原来我们一直都生活在那些天才们织就的科技之网中啊。

  感谢那些卓越科学巨匠们,感谢那些不遗余力写满整个黑板推导过程的老师们,也感谢吴军老师,让我们这些科学的落单者也能一窥这个高速发展时代跳动脉搏

  《数学之美 (第二版)》读后感(二):恨不能早点遇到你——《数学之美》

  《数学之美》严格来说,应该叫《数学在信息技术行业的应用之美》,主要是讲述数学在信息技术(IT)领域特别语音识别搜索引擎方面美丽之处予以了精彩表达。让我比较佩服的是作者作为了个忙碌程序员高级别),居然能抽出空闲时间写了三本高质量的书。本书的很多章节后面都有列出参考文献,可见深入浅出讲解高深莫测的“科学”需要做很多功课,感谢作者。此外,作者介绍(科普)了很多数学模型,如隐含马尔可夫模型、图论等等。当然做为搜索引擎方面的专家,作者对于搜索引擎,介绍了如何自动下载网页建立索引和度量网页的质量(PageRank)以及如何确定网页。最后,科学的美本质思维的美~ 保持好奇心,保持一颗谦虚的心。

  写了书摘,戳我的博客:吴军《数学之美》第二版阅读整理

  《数学之美 (第二版)》读后感(三):数学差的人看起来很吃力

  看完之后确实也体会到了数学的美,只不过不像数学好的人那样,可以激发出浓厚兴趣热情。看算法相关的章节,基本上是一脸懵逼的撑下来的。我觉着要是让我能够理解这些数学公式,起码要再看五六遍书,然后去一个做搜索,语音识别,大数据,云计算机器翻译公司干上至少两年。想了想简直是痴人说梦,这样的公司除了谷歌之外,可能就没几家了。而且我也进不去,真是太打击人了。我实在普通了,而且有很多缺点,缺点之一就是,对于复杂的理论我需要做了这个事情之后才有可能理解。单纯靠看书我是理解不了的。真是庆幸我这么弱的学习能力竟然考上了大学。真是庆幸我竟然当上了程序开发者。

  书中最后说,很多而流it公司都是靠堆砌代码实现功能的,这样很山寨,很不好。但是我是可以理解他们的做法的。我也是其中一员,所谓的码农。一是没有受到过世界大师指导不知道除了模仿大牛的功能之外还可以找到“最短路径自己来实现一套。这真的做不到啊,水平达不到啊。二是,山寨不是目的,赚钱才是啊。你说这些二流it公司本身创业就是为了挣钱的,而不是为了业界标准,树立标杆啥的,能不能创业成功都不好说,那还顾得上创新啊。

  但是话又说回来了,不想成为一流it公司的公司不是好it公司。想成为好的it公司就不能不讲究了。做事就需要那么点仪式感,高标准,严要求才能长久啊。

  其实这些都离我太远了,或者有点远。但是我心里是认同的。先天不足可以弥补,我就一个字,干。所谓实践检验真理的唯一标准。虽然天分不足,几乎不能事先考虑清楚事情的方方面面(这一点就干不了科学家的活了),几乎每次模块化设计或者架构设计都有缺陷甚至是重大缺陷(工程水平差),但是通过勤动手,动脑,还能勉强胜任工作的。好的工程师是靠项目练的,我去做事去了。

  《数学之美 (第二版)》读后感(四):鄙人学识浅薄无法评价此书

  吴军博士的书,我好早前就买了5本。首先读的是历史类的《文明之光》。读完感觉作者毕竟是理工科类的,讲述历史还是力不从心甚至有些用力过度。仔细推敲还有常识错误,如埃及“圣书体”的古文字是否是象形文字?经此之后,后续两册《文明之光》,我是不会买了。后来再读他的《浪潮之巅》,感觉又焕然一新,确实将美国IT行业的爱恨情仇讲的通俗易懂

  这次鼓起勇气,用每日一章的大致速度读这本《数学之美》。呃,虽然对前面几章例如布尔代数、马尔科夫模型等有些心得体会,但随着章节递进,没有高数、统计学、概率论或信息论等基础的我,感觉特别吃力。这个跟我当初兴致勃勃看完《星际超越》买了一本相关的书读到艰涩要炸掉一样

  书是读完了,上面的字我也认得,可惜我却对这本书没法做出更多的心得体会。

  《数学之美 (第二版)》读后感(五):数学之美

  数学的美在于它能用符号化的语言模拟表述现实世界。虽名为数学之美,可并没有涉及到很多的数据计算过程,这本书最妙的就是告诉你原理

  文中主要是讲Google在搜索翻译中涉及到的对文本的一些处理方法,算法听起来会感觉很复杂,特别是几个公式放在那就会让人望而生畏事实上,不去深究算法实现,单看这本书对这些处理方法的介绍会觉得很受启发

  在自然语言处理的研究上,很长一段时间,大家都致力于研究语法规则。在研究语音识别时,语法规则的效果有限,并且规则总结很难完善。而采用统计的方法把IBM当时研究的语音识别率从70%提升到了90%,并且处理规模也变大了。这是文中第二章讲到的自然语言处理从规则到统计的一个突破,读到这里我突然就懂了数学之美在哪里,只是我们很常接触的一个统计而已,就能解决这么复杂的语音的识别问题,数学的神奇之处就在于此。

  还有很多类似地方,并且大学时曾经很想不通有什么用的线性代数,组合数学在这本书里也看到了它们的身影

  如果想要研究文本分析,想要做数据分析,这本书真值得一看。

  《数学之美 (第二版)》读后感(六):个人评分:77.作为一本大众科普性的读物的确不错,绝大部分内容简单易懂,即使没有深厚IT或者数学基础的人也能看懂。

  书评

  作为一本大众科普性的读物的确不错,绝大部分的内容都简单易懂,即使没有深厚IT或者数学基础的人也能看懂。但也仅此而已了,为了科普性,而少了很多干货,基本都是浅尝即止,非常不过瘾

  本书结构

  31个章节,概述当下的大部热门互联网概念及内容

  这本书讲了什么:

  1、文字、数字都是为了记录信息。语言是为了通信

  2、目前的机器翻译和语音识别是建立在数学,统计学基础上完成的。目前的普遍共识是自然语言处理方面基于统计的方式更有优势

  3、统计语言模型,根据句子的概率确定句子的合理性(二元模型)。

  4、中文等亚洲语言需要对句子进行分词,根据字典,将所有可能的分词方式列出,然后再计算出现概率。由于个人理解问题,计算机分词和人一样,不可能达到100%准确,会有一些二义性无法消除。

  5、马尔科夫简化的假设,随机过程中各个状态S的概率分布只与它前一个状态有关

  语音、文字识别、匹配方面都可以依据隐含马尔科夫模型来解决一些问题。

  6、香农:信息熵,信息熵的大小与概率有关。

  信息的作用在于消除不确定性,自然语言处理的大量问题就是寻找相关的信息。

  随机事件相关性”的量化度量:互信息。用互信息可以提高自然语言的理解准确率,避免翻译错误。

  相对熵,用来衡量两个取值为正数的函数的相似性。

  7、贾里尼克的贡献

  ①统计语音识别的框架结构

  ②BCJR算法,数字通信中应用最广的算法质疑。

  8、1854年,布尔代数问世。搜索技术中的索引简述。

  9、简介图论、网络爬虫。

  10、网页排名算法“PageRank”

  11、简介搜索关键词权重

  12、简介有限状态机。导航动态规划路线

  13、AK47发明者,辛格的简单哲学

  14、对象特征向量(书中以新闻特征为例)

  15、简介如何利用矩阵来处理文本信息相似度

  16、简介网页指纹概念。简介youbube的视频对比技术(防盗版)

  17、简介密码学。

  18、简介搜索引擎的反作弊。

  19、讲述笔者推崇的数学模型概念

  20、简介最大熵模型:概率分布越均匀,预测风险越小。

  21、简介汉字输入法的发展进行。

  22、马库斯对自然语言处理的贡献:创建标准语料库。宾夕法尼亚大学马库斯实验室中走出的两个人:柯林斯——语法分析器。布莱尔——机器学习方法。

  23、简介布隆过滤器(高效检查一个对象是否在集合中的方法)

  24、简介贝叶斯网络

  25、简介文法分析

  26、简介维特比算法、CDMA技术。

  27、简介期望最大化算法

  28、简介搜索广告算法的发展

  29、分治算法:将一个复杂的问题分成若干个子问题进行解决。

  30、简介神经网络

  31、简介数据及其作用(大数据)

  读这本书的动机

  对数学感兴趣

  读这本书的目的:

  想看看是否能激起学好数学或者某一方面的兴趣

  作者:

  吴军

  书中的感兴趣点:

  数学

  这本书的阅读方式:

  2-3小时通读

  对我的影响

  评分:

  77

  《数学之美 (第二版)》读后感(七):数学的美就在身边

  利用周一到周三的出差时间,在火车上将《数学之美》这本书看完了。这是我第一次这么高效率的看完一本非小说书籍,因为上周开始在读《如何高效阅读》,想磨磨刀,把耽误的砍柴功给补回来,手头实在太多的书债欠在那了。所谓买书如山倒,读书如抽丝,长此以往,这债是还不了了。于是下定决心,好好提升阅读的速度和质量,将积压的书尽量快点结掉。《如何高效阅读》这本书现在才看了一半,里面的方法没有尽然学来,不过脑袋里灌注了一个高效阅读的关键就是注意力集中、断舍离。也就是有舍有取地高度集中精神阅读,方可高效。

  好了,言归正传,来谈谈《数学之美》读完的一些感受吧。这本书整体上还是讲的一些作者在搜索领域遇到的一些技术问题背后的一些基本的数学原理。但是作者是个很会讲故事的人(这一点从王石和李开复对他的评价就可以看出),所以整体上我读起这本书来还算有乐趣,并不觉得他在书里讲一些概率论、线性代数而觉得烦闷。我想一来是因为我的理工科背景,对这些基本原理略知一二;二来呢是我在看这本书时,并没有想着去把每一条定理,每一个公式都弄清楚,所以在基本知道作者是在讲什么故事的情况下,也并没有烧太多的脑筋思考这些故事背后的千丝万缕逻辑

  本着一颗八卦心态,对书中提到的一些IT界大牛的故事印象比较深刻。比如现代语言处理大师弗里德里克.贾里尼克(Frederek Jelinek)、自然语言处理教父米奇.马库斯(Mitch Marcus)、通信界巨擘安德鲁.维特比(Andrew Viterbi)等等……无论学术界还是工业界,他们都是标杆,引领一代代人去追赶,作者效仿罗曼.罗兰一战后“为那些追求灵魂高尚而非物质富裕的年轻人写下《巨人三传》,让大家呼吸到巨人的气息”,将这些巨人们的故事介绍给我们。

  此外看了这本书的一个收获就是对现在的网络搜索领域有了个了解,至于这个了解有多深,实在不清楚,或许是雾里看花,或许是看似一汪清水,实则一潭无底之源。不管怎样,总是比以前完全没有概念要有收获的。至少现在我在打字的时候就会想到书里面提到的输入法的词语关联分类计算;在使用bing或者baidu搜索时,就会想到这些搜索的基本原理可能是哪些;面对各种云计算、大数据的说法时,也不会觉得这是远在天边的东西,像云彩那样不可触碰。

  让我深受感触的是,贯穿这本书始终都能体会到作者对技术的深刻理解以及对项目的宏观把握,这正是我目前所欠缺和急需学习的地方:要在不断的积累知识并付诸行动去完成各种项目的挑战。用书中的话说,就是“无论在什么领域,从事什么样的工作,谁懂得数据的重要性,谁会在工作中善用数据,就更有可能获得成功”。

  《数学之美 (第二版)》读后感(八):书很好还是想吐槽一下

  在短评处吐槽字数限制切换到这里的。

  说是给大众看的,感觉有些东西自己有基础的话就能看懂,以前没看过、不懂的的地方就还是不懂。 我在同一章里已经看到作者说了三次“复杂的**问题居然能如此简单的表述,解决,令我由衷地感叹数学模型之妙。”哈哈哈

  还有作者可能是学信息论通信的多一点,随便一个东西都要拿信息论中的编码,解码比喻一下。刚开始讲翻译的时候还好,后面都烦了。

  这本书应该压缩一下,没那么多内容,作者硬是加了几章的八卦,还有一些重复的东西。

  好的一点就是不教书的人写的书竟然比有些老师写的好,有些老师就知道卖弄,不会好好说话。这本书的作者就很平易近人了,也很通俗易懂,所以就会有些琐事。还有感觉有几个公式的地方有些问题。

  还是要说一下也是学到了很多东西的,信念网络原来就是贝叶斯网络;网页排名的原理就那两个。感觉解决爬虫时比较是否爬过那个很有意思。

  《数学之美 (第二版)》读后感(九):让生活与数学闭环

  我还在上高二的时候,学校要举办田径运动会。参加田径运动会,谁都知道这回事——你要头上顶着不可一世的大太阳,被晒得跟蔫吧狗似得还要坐在在观众席上,看那一群人在运动场中间摇晃肢体或者发生位移。 这时候,作为经历过物种进化的我们,当然要寻找一些平常或者不平常的门路来摆脱这种不利于生存的无聊局面。且不提那些敢于抓住历史的机缘,在人群中卖饮料或是卖狗粮的奇人异士,就谈谈整个高中一直遵(bu)规(wu)守(zheng)纪(ye)的我,在这时候则打算去莅临学校的亲(keng)民(die)书店,淘一两本书消遣消遣,也算是让我跟着运动员一起翻飞的眼珠有一个歇脚的地方。 于是我就巧遇到了《数学之美》这本书。 那时还年少轻狂的我,觉得这本书封皮美观而不乏大气,华丽而不失严谨,既可以在一片嘈杂中装个逼陶冶情操,又可以在阅读中为高考数学做做诗外功夫。带着这种原始冲动,我就省了一天的伙食费,把书买了下来。等在观众席上坐稳后,我就从我那小书包里美美地掏出我的新朋友,美滋滋地打开序章,一点一点往后阅览…… 我记得我那天在运动会上睡得特别香……… 的确,愣一读《数学之美》,确实能感受到它即使是在骄阳下或是吵闹中都能把你催眠的扑面而来的强大魔力。过高的逼格总是让人攀爬起来精疲力尽。 严格来说,这本书讲的实际上并不是纯粹的数学,而是信息论与计算机数学。吴军博士是声名远扬的人工智能专家,于是这本书自然也就少不了以计算机相关的实例、概念来承载对数学知识的解读、再认识。如果是人工智能领域彻彻底底的门外汉,这本书绝对是你的枕边必读,因为有一个高质量的睡眠总是好的。 但往者言: 骨曰切,象曰磋,玉曰琢,石曰磨;切磋琢磨,乃成宝器。一本书正如原石,需先有读者的琢磨,然后才有真知的显露。能入道入行的切磋琢磨,愣下蛮力死读书是不行的,还是要明白善假于物,有物相辅,琢磨易成。 每次我进学校书店,大有鬼子进村之势,不将整个书架搜刮扫荡一遍就有一种白来一趟的愧疚感。带着这种浩然的精神,自然不愁搜不出来花姑娘————高三那年,在为国家又贡献了GDP后,一本《李开复自传》又让我掳来了。 且巧,李开复正是人工智能领域的大人物,这本《自传》自然也传送给我不少人工智能领域的相关知识,当然了,具体细节与内容是题外话,在这里按下不表。总之,带着狗屎运一般的碰巧,和碰巧而来的必要的新知识,我们重新审视《数学之美》的金刚钻,算是到位了。 中国人重礼,古人讲究先礼后兵,但既然我并不善于和喜欢墨守成规,在这里我们不妨先兵后礼地来谈一谈《数学之美》这本书。 要谈《数学之美》,倒是还要拿霍金的《时间简史》或是《果壳中的宇宙》来比对。霍金说过:”我知道我的书中每多一个数学公式,就会让我损失一半的读者。”。显然,在通俗这一点上,吴军要比科学巨人霍金差点火候。《数学之美》中经常出现类似概率论与数理统计相关的大式子,虽然不是很深,但还是多少的抬高了读者的阅读门槛。 同样的,本书的少部分例证存在一些存疑问题,如部分(事例中)密码学概念出现的时间搞错,少量举例缺乏严谨等问题。但鉴于这些小问题的发现涉及到很深的学术研究,对读者影响不大,而且作者也并非专业钻研这些领域,在情理上也情有可原。平心而论,《数学之美》还是一本瑕不掩瑜的优质著作。 如果你有了一定的知识储备,《数学之美》绝对是带你深入浅出了解数学的优秀向导。就我本人而言,让我印象深刻的,是我们生活中看起深奥的数据处理,背后所的数学本质竟然是出乎意料的简单,而数学的优雅和美也应运而生————一个简单条件概率公式,加上一个马尔可夫假设就可以做到机器翻译和语音识别;上百万篇新闻的分类、谷歌防网络排名作弊背后运用的核心原理,竟然是简单的余弦定理和方向向量。 如果在在校学生中提出一个问题: 数学有什么用? 恐怕大部分人回答时会欲言又止——明明觉得很简单,但又似乎难以作答;明明觉得简单异常,但又似乎深奥难解;明明觉得我们对数学非常熟悉,但又突然感觉我们和数学是如此陌生。 我们总是认同这样一个观点——数学就在我们的生活之中。 但除了能举出几个在工程上,或者是在金融上的数学理论应用,我们还要扪心自问一下——我们真的理解生活,理解数学吗? 《数学之美》,或许就是对这个问题的探索与解答。 数学在人们心中地位的高低,绝非以一个人计算能力的强弱来作为标尺衡量。 但数学在我们这一代人眼中,不应成为只是为了学术地位的攀高而用完即可弃的破木梯,不应成为为了生活而随即产生的附庸品。 生活和数学,本来就应相看两不厌。 生活和数学,本来就应相推而成闭环。 ฅ՞•ﻌ•՞ฅ 欢迎同步支持: ■新浪微博:VC悦读书评

  《数学之美 (第二版)》读后感(十):数学永远是我心中的女王

  很多理工科的童鞋必然或多或少接触过书中的一些知识点,包括HMM,LR,Bayes等ML模型,以及PageRank等DataMining领域的知识——搜索引擎算具体的应用领域,信息学的熵,通信领域的维特比等,正好我的知识背景就混合着通信、ML与少许的控制领域——我认为真正的大师是能用浅显易懂的语言让人明白复杂的理论的人,因为数学是一门精确的描述这个世界的语言,一些经典的算法本质上是在描述浅显易懂的道理,比如PageRank就是一个典型。

  很多学科融汇贯通的基础就是数学,所以人们说这是科学界的女王。至于具体的学术研究,从深度上来说很少有人能覆盖每一个领域,浅尝辄止是比较容易的,但是要成为一方面的专家却需要累积10000个小时——并且我认为,多数情况下这只是下限,还取决于学习方式、环境以及自身的悟性。为什么是多数情况呢,因为总有一些大牛能横跨多个领域,就好像一个人精通一门乐器后较易掌握另一门一样,很多地方是可以触类旁通的,而支撑就来自于数学及由数学训练而来的思维能力。

  老师常常在飞机和高铁上看这类书,他喜欢八卦数学家和工程师,上课的时候用一半的时间来讲这些人的趣事,这其实挺好,为什么我们那么喜欢阅读政客、商界翘楚、艺术天才们的人生,却少有人来关注基础理论方面的大师呢——爱因斯坦是个例外——高斯是个例外——还是现代的大师们都太低调了,可能这门学科注定了就是要一天十多个小时伏案桌前艰苦奋斗吧,数十年如一日心无旁骛才能有所建树,支撑他们的东西可能不仅仅是兴趣那么简单。

  爱因斯坦曾说过,我的精神生活和物质生活都是以别人的劳动为基础的,我必须尽力以同样的分量来报偿我所获得的和至今仍在接受着的东西。

  人们说不变的是改变,但在变化的世界中坚持研究的初衷是一种可贵的信仰。

  愿不忘初心。

评价:中立好评差评
【已有2位读者发表了评论】

┃ 《数学之美 (第二版)》读后感10篇的相关文章

┃ 每日推荐