《数学之美》读后感

　　读《数学之美》后的感想

读《数学之美》后的感想

“数学之美”，这是已经工作了多年的Google研究人员眼中的数学。让我大吃一惊的是，大学中的数学知识可以在计算机行业中得到如此广泛的应用。

在语音识别，翻译和密码学领域，有许多基于概率和统计的模型和思想。当然，贝叶斯公式是基础，并且被应用于隐马尔可夫链模型和神经网络模型。

在搜索中，一些相关计算需要概率的知识。在新闻分类中，使用了一些关于矩阵特征值和类似对角化的知识。当然，就图像处理而言，矩阵变换可谓无处不在。另外，在识别方面，还有一些通信模型涉及信道，误码率和信息熵。

刚开始上学是可以的，所以我想找几本书读，但是最好不要太难和晦涩。从8月至今，吴军于2012年5月出版的《数学之美》在京东，亚马逊和其他主要在线购物商场的技术书籍中均排名第一。当然，也有较早的“浪潮之巅”。 “也排名很高。我认为市场的力量应该能够帮助我挑选一本好书，所以我从图书馆借来了一本副本，直到今晚阅读完为止。

因此，我想写一些总结和反思的东西。无论如何，课后会议无事可做。

前面写的建议：如果您不讨厌数学，我强烈推荐这本书。您可以在线下载电子版本，但是阅读感觉有很大不同。

废话不多。 “数学之美”实际上是普通的本科生阅读。它针对的是接受过普通高等教育的人。您可以了解它，而无需对特定领域有深入的了解。一点点线性代数，概率和统计，组合学，信息论，计算机算法和模式识别是最好的（尽管列出了很多，但是如果有些不理解也没关系……），所以它特别适合字母科学领域的人们。大多数内容与人工智能和计算机有关。这不是我的专业，但是作者擅长用简洁的语言表达看似复杂的原理，因此可读性仍然很高。

吴军毕业于清华大学。他之前曾在Google工作，然后去了腾讯。这些文章发表在《 Google Blackboard Newspaper》上，后来被重写，因此在线下载的内容与本书不同。由于吴军本人研究自然语言处理和语音识别，因此可能会有更多的统计语言模型，但是我认为这并不妨碍整本书展示数学之美……我觉得我仍然有很多收获，并且有一些知识。，但是更多的是思维方式。作者举了许多例子，试图使人们理解许多看似复杂的高科技背后的基本原理实际上出乎意料地简单（当然，必须承认，第一个想到这些方法的人仍然非常出色... ）。例如，高精度机器翻译似乎是计算机可以理解各个国家的语言，但隐藏在其中的是统计模型和概率模型，这些模型和概率模型对于许多拥有大学学历的人来说非常清楚。另一个例子是拼音输入法的数学原理。早期的研究主要集中在缩短平均代码长度上。例如，五笔输入法曾经很流行，但是现在真正实用的输入法是拼音输入法，它具有大量的信息冗余和相对较长的代码长度。作者从信息理论和市场学的角度进行了简单的解释；另一个例子是新闻的自动分类。非IT领域的许多人可能会认为计算机可以阅读和分类新闻，但实际上，这仅仅是多维空间中特征向量的提取和向量角度的计算。非常非常简单，但是任何学习过线性代数知识的人都将一目了然……当然，完美的实现仍然需要考虑许多细节和现实，但这并不是本书的重点，数学之美简单（）干净且不麻烦。

除了分析特定的信息技术外，作者还花了很多时间谈论一些优秀人才的成长过程，尤其是将这些人才的成长经历与中国学生的成长经历进行了比较。尽管作者并没有说清楚，但这些线之间的界线揭示了对中国高等教育和许多中国公司的一些批评。一是教育的功利性，缺乏宽松的独立思考环境。即使您学习了很多理论，也很难使用它。自然地，也缺乏创新成果。第二个是中国公司的目光短浅，它们中的大多数不愿意投资于新框架的开发，而是愿意享受学术界和外国公司的研究成果。

综上所述，“数学之美”实际上并不能提高您的编程能力，也不能显着提高数学水平，但是在很大程度上可以使您摆脱教科书风格繁琐细节的限制。，以便能够从更宏观的角度思考信息世界背后的数学引擎的工作原理，以便使人们理解，看起来非常先进和复杂的事物并没有我们想象的那么复杂，而是我们所学到的是“无聊的”数学真的可以改变亿万人民的生活。