數學之美讀後感（精選7篇）

當閱讀完一本名著後，你心中有什麼感想呢？這時候，最關鍵的讀後感怎麼能落下！到底應如何寫讀後感呢？下面是小編爲大家收集的數學之美讀後感（精選7篇），僅供參考，大家一起來看看吧。

　　數學之美讀後感 篇1

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。本來我以爲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，吳軍博士又成爲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、學科之間的聯繫是如此的重要

全書主要是圍繞着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。以前學習計算機網絡的時候，學過一個香農定理。對香農的認識就從香農定理開始，因爲考研會考相關的計算題。看了這本書才知道，香農的《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、通信有一定的交叉，這樣對學生思考問題的啓發與視野的開闊有着重要的作用。計算機本身就是從電子、通信、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，他無法成爲一所國內的一流大學。作爲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着難以置信的簡單數學原理

在整本書中讓我最爲印象深刻的是解釋Google搜索的原理，居然就是簡單的布爾代數運算。這個的確讓我大跌眼鏡，我一直認爲搜索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爲什麼牛，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據進行操作的工作。Google在海量數據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在搜索上無出其右。目前分佈式存儲、分佈式計算、數據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，後面的章節纔是最有用的，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，因爲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、貝葉斯網絡之後，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》在計算機中也是有着舉足輕重的地位。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，在硅谷有着衆多的華裔工程師，他們很多都來自清華、北大等國內的名牌大學，這些人在美國實現着自己的夢想。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，我也在想爲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爲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，他們去美國也是爲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。我們靠着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，爲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 篇2

第8章裏的“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索引擎。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，一生爲農，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，是基於腦子裏的“數據庫”，因爲田地不會很多，多了也來不及種，所以跟布爾代數沒什麼關係。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。張五常對此不以爲然，反以爲傲，自詡當今世上只有科斯、阿爾欽和他纔敢只用文字，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，他認爲能夠用文字解釋的經濟學原理，不必使用數學對其複雜化。

數學在信息學和經濟學裏都有廣泛應用，但是在信息科學方面，對數學作用大小的爭論就沒有經濟學那麼大了。

我們常說搜索引擎的競價廣告，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索引擎公司的代理商，然後通過不正當手段爲客戶提高網頁的排名。谷歌在消除網絡作弊方面做了很多努力，通過修改排序算法來爲搜索者提供更加準確實效的信息。

“作弊的本質是在網頁排名信號中加入噪音，因此反作弊的關鍵是去噪音。沿着這個思路可以從根本上提高搜索算法抗作弊的能力。”我們公司就是吃了這個虧，交了不少錢給第三方公司，結果算法一變，關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的搜索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。

大學專業課裏，數電總是要比模電簡單不少。

自然界裏大部分的信號都屬於模擬信號。所謂模擬信號，是指時間和數值上都是連續變化的信號。在實際電路中，模/數轉換是一個很重要的過程，將預處理的模擬信號經過模/數變換爲數字信號，然後進行數字信號處理。而數字化處理有很多優點，比如功能強大、抗干擾能力強、易集成化等。

簡而言之，如果沒有數學，就沒有數字信號處理的概念，也就無法進行信號的傳輸，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。本書更適合通信電子這些專業的學生，在學習專業課的時候輔助閱讀，對理解通信原理、數電模電等都有更形象生動的想法。

　　數學之美讀後感 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《數學之美》，說一定是我喜歡看的類型。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。如果你知道哪裏有一羣軟件工程師，維護着更大的一羣計算機，那麼不要猶豫，想辦法使用他們提供的服務，因爲這會給你帶來優勢。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和微博聯繫朋友，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、互聯網，工具的進步引領着文明的進步。新的工具不斷淘汰老的工具，就像互聯網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、計算機和互聯網背後，是信息的世界。數學是抽象的工具，是其他工具背後的工具。每一門學科要成爲科學，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，這個問題已不成爲問題。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。軟件算法工程師加上計算機集羣，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，都是軟件公司。優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，是知識經濟的特點。《數學之美》展示了Google如何運用數學和計算機網絡，帶領我們進入雲計算和大數據時代。

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 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，因爲初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，也不知道爲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於畫設計圖，或者搞空間物理化學等基礎學科的應用上，想着“這種東西和計算機編程有什麼關係？要計算角度，庫裏不都提供了嗎？”，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，他們想推導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。

"技術分爲術和道兩種，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。很多具體的搜索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。只有掌握了搜索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。我以前做過的項目裏，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，在這書裏我特別喜歡阿米特·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，再決定要不要糾結在次要的部分上；要知道修改代碼的所作所爲，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絡，沒搞懂爲什麼能解決那些問題。貝葉斯網絡還能稍微理解，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爲什麼那麼好用，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 篇5

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，介紹數學在信息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年獲得計算機科學博士學位。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能接口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絡搜索反作弊的研究領域，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索部門。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，他領導了許多研發項目，包括許多與中文相關的產品和自然語言處理的項目，並得到了公司首席執行官埃裏克、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，當選爲約翰霍普金斯大學計算機系董事會董事。

正是他在信息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，擊潰衆多敵者。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，作爲非專業人土，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在文本中出現的可能性，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）可展開爲：

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出現的概率就變爲：

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本後，這個問題變得很簡單，只要數一數這對詞（wi—1，wi）在統計的文本中出現了多少次，以及wi—1本身在同樣的文本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，自然而然聯繫到自己專業（地質工程而或岩土工程）中的數學應用。

現在找文獻，搜索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，用着難用，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 篇6

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信息集合，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。

計算機科學的發展，人類需要把語言處理成數字，因爲計算機只能識別數字信號，所以“語言的數字化”成爲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爲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，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，就是對人類自然語言的數字化，因爲人類的信息幾乎100%是用語言承載、傳播的，計算機要與人對話，變成智能化的機器，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、或者拿着手機通話時，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，轉化成數字信號，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接口。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，人類爲了讓計算機識別語言，採用建立語言規則和語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。其三，語言本質上就是信息傳播，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、技術精英們的爲人處世品質、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，馬庫斯對學生的寬宏大度，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。如此爲人的境界纔是根本，因爲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、腐敗當道、人情充斥，與這些一流學說羣對科學創造的賞識、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 篇7

看完《浪潮之巔》，瞭解了硅谷很多公司尤其是互聯網公司的沉浮，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啓發了很多想法，感覺很爽。

我自己在交大學的是工科（雖然沒怎麼上過課），小學、初中、高中都是一路參加數學競賽，名次都還不錯，也因此沒有參加中考、高考，一路保送，自己對數學有很深的感情，同時女朋友大學也是數學系，有點後悔的大學選了個並不感興趣的專業（交大當時允許我隨便選專業，我沒有跟父母商量自己選了船舶製造）。看這本書的過程中找到了很多高中在看競賽書的感覺，裏面提到的很多概率論（不等式）、圖論、數論的知識是高中數學聯賽複試的重點，高中的時候已經研究的很深了，不過大學荒廢了之後也忘得差不多了，書中提到的很多定理還很有親切感

書名叫做《數學之美》，顯得有些太大，畢竟更多的是吳軍在google做搜索相關工作用到的數學模型的介紹與總結，提到的數學部分大多集中在概率論、圖論、數論領域，所以書名太大了，可能hax說得對，也許是出版社爲了賣書取得名字

不得不說吳軍是一個大家，文字中能夠透露出大家的氣勢，書中不斷的穿插着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（僅僅皮毛），能列出來的都是看完還有點印象的：

1、在互聯網的世界中，信息是如何量化的，信息熵是怎麼回事？有啥用？

2、搜索領域中，語言是如何統計的，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—網絡爬蟲是怎麼回事兒

4、PageRank是怎麼回事？爲了解決什麼問題？

5、密碼與解密領域的數學模型，尤其提到的二戰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、拼音輸入法的數學模型

7、、文本自動分類的模型

……

看完之後最大的感受就是：

1、數學模型巨大作用，推動着新技術的發展

2、攻城師是一個偉大的職業，能夠運用這些知識轉化爲生產力，非常牛叉

3、書中提到了很多數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化，會有不斷更好的模型、更新的技術出現，跟得上技術的發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優化就沒有意義了。

但同時技術很大的作用是用來解決實際問題的，書中提到的各個數學模型、各種方法都是爲了解決人們的需求或者業務的需求，畢竟公司不是科學研究所，所以追求通過技術直接解決用戶需求或者做成易用的工具給業務人員、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：“不好用就等於沒有”，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了