以下是為大家整理的關(guān)于《數(shù)學之美》讀后感范文，僅供大家參考，希望能夠幫助到大家！
《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(lǐng)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(chǔ)，應(yīng)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?，但別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(yīng)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(lǐng)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（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(fù)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(fù)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(lǐng)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、*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(fù)雜的東西背后其實并不如我們所想象的那樣復(fù)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》，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(lǐng)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(chǔ)，應(yīng)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?，但別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(yīng)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(lǐng)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（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(fù)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(fù)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(lǐng)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、*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(fù)雜的東西背后其實并不如我們所想象的那樣復(fù)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。