《什么是数学》读后感 篇1

常言道学而不思则罔。一次在某数学论坛闲逛，发现多人在谈论此书，而且评价都非常的高，想想又是和数学有关的，于是一时心血来潮就买了这本书，直到真正阅读此书时，这本书已经在抽屉积尘多时。读了之后才发现收获真的是太多了。

《什么是数学》既是为初学者也是为专家，既是为学生也是为教师，既是为哲学家也是为工程师而写的。它是一本世界著名的数学科普读物。书中搜集了许多经典的数学珍品，给出了数学世界的一组有趣的、深入浅出的图画，对整个数学领域中的基本概念与方法，做了精深而生动的阐述。

I·斯图尔特增写了新的一章，以新的观点阐述了数学的最新进展，叙述了四色定理和费马大定理的证明等。这些问题是在柯朗与罗宾写书的年代尚未解决，但现在已被解决了的。

爱因斯坦评论说：“《什么是数学》是对整个数学领域中的基本概念及方法的透彻清晰的阐述。”阅读此书让我们明确知道了什么是数学？数学是对思想和方法的研究。而目前我们的数学教学有时竟演变成了空洞的解题训练。这种训练虽然可以提高形式推导的能力，但却不能导致真正的理解与深入的独立思考。数学研究已出现一种过分专门化和过于强调抽象的趋势，而忽视了数学的应用以及与其他领域的联系。所以，我们必须醒悟到数学教学应以培养思维能力为终极目的。阅读《什么是数学》，将对教师、学生和一般受过教育的人有一个建设性的改造，让大家真正理解数学是一个有机的整体，是科学思考与行动的基础。

作为一名数学教师，不仅要帮助学生学习掌握数学知识，更要注重培养学生的思维能力，掌握数学思想和方法。数学是一种思维方式，而绝不是解题训练。这是我们每一个数学教师都要注意的地方。回到我自己的教学，我想若让学生在整体上对数学有了一个认知，会让学生学起来不再觉得数学是那么枯燥和可怕。但若想像本书作者那样高屋建瓴，在课堂上学生生成的问题中，判断出哪些是数学本质的知识，纯熟地处理有关的数学内容，还要取决于我们身为师者的数学底蕴了。作为一名数学教师，不仅要帮助学生学习掌握数学知识，更要注重培养学生的思维能力，掌握数学思想和方法。所以，我们必须醒悟到数学教学应以培养思维能力为终极目的，而绝不是解题训练。这是我们每一个数学教师都要注意的地方，这也是我今后努力地方向。

《什么是数学》读后感 篇2

《什么是数学》——“对思想和方法的基本研究”是由美国R·柯朗、H·罗宾合著。

在序言里有这样两段话：一是数学对象是什么并不重要，重要的是做了什么。数学就艰难地徘徊在现实与非现实之间，它的意义不在于形式的抽象中，也不存在于具体的实物中；对于喜欢数理概念的哲学家，这可能是个问题，但确是数学的巨大力量所在——我们称它为所谓的“非现实的现实性”。数学联结了心灵感知的抽象世界和完全没有生命的真实的物质世界。

二是有意义的数学就像用来讲述有趣故事的报纸杂志，但不像某些报纸杂志，它的故事必须是真实的，最好的数学就应该像文学作品，故事来源于你眼前活生生的生活，这使你把精力与感情投入投于其中。

由这两段话，我就联想到了我们正在研究的“生活课堂”。我们企图让我们的课堂与现实的生活世界相沟通，让课堂的内容与学生的已有生活经历相融通。这样无疑就让我们的课堂更加的具有生命的底色和生活的发展力。如果我们的数学课仅仅是解题课，仅仅是空洞的演算和推理，它是没有很强的生命力的。如果脱离了与现实世界的关联，这样的数学只是一门工具，是冰冷的没有温度的，没有生命力的。

而如何实现这两个关联和融通，这是我们所有老师尤其是数学老师要思考和解决的问题。我希冀从这本书中找到一些答案。

文章第五页有这样一段话：幸运的是，创造性的思维不过某些教条的哲学信仰而继续发展着，而如果思维屈从于这种信仰就会阻碍出现建设性的成就。不论对专家来说，还是对普通人来说，唯一能回答什么是数学这个问题的不是哲学，而是数学本身中的活生生的经验。

由此可见，数学来源于生活并高于生活，数学是对现实生活的抽象和高度的概括，数学是对生活中的一些现象和规律所进行的归纳和统整。因此而言，生活就是土地，而数学是在这片土地的滋养下开出的一株鲜花，或长出的一棵参天大树。数学的发展必须需要现实生活的滋养，才能获得源源不断的养料。所以说生活就是数学的源头活水，我们的“生活课堂”研究必须要认真地联系生活，与现实社会的发展紧密相关，我们的课堂才真正的具有生命力和不断的活力。这也是我们今后研究和努力的方向。

《什么是数学》读后感 篇3

由柯朗与罗宾合著的《什么是数学》是一本世界数学名著。初版已过60年，曾有中译本由两家出版社在约20年前出版过。可喜的是，1996年牛津大学出版社又出了增订版，近期复旦大学出版社推出了该版的中文译本。

作为20世纪的杰出数学家，柯朗曾在当时的数学圣地———德国格丁根大学师从希尔伯特等数学巨匠。纳粹上台后，他来到美国，创办了举世闻名的柯朗研究所。关于柯朗，瑞德有一本传记《一位数学家的双城记》在我国翻译出版，里头有柯朗和同时代数学家的许多故事。单单翻翻书中的照片，当时优秀知识分子的集体形象伴随着如雷贯耳的名字跃入眼帘，足以令我们这些后辈学子仰慕不已。有意思的是，格丁根那些令人生畏的数学泰斗们，都写过精彩的数学普及读物，如希尔伯特的《直观几何》、克莱因的《高观点下的初等数学》、外尔的《对称》以及柯朗的《什么是数学》。这些作品的共同特点是高屋建瓴、厚积薄发。

阿贝尔曾经说过，要向大师学习，而不是向大师的门徒学习。因为大师们可以引领你快速地进入正道。

《什么是数学》一出版就得到了各方面的高度评价。爱因斯坦认为，这本书是“对整个数学领域中的基本概念及方法的透彻而清晰的阐述”。外尔和莫尔斯等数学大师也对之赞誉有加。《纽约时报》也肯花版面予以介绍。

单单从书名来看，这本书的内容、体裁有多种选择（选择太宽，有时既是自由也是难题），比方说，这本书既可以写成低幼读物，也可以是大块头的专著（类似闻名遐迩的布尔巴基《数学原本》之类）。柯朗选择的体裁大致就是今天所说的“高级科普”。高级科普的创作难度不在于知识的专深，而在于如何保持作者与广大读者之间必要的亲和力。它既要充分体现作者自身的想法，又要兼顾那些并非专家的读者。这方面失败和成功的例子都很多。而流传几十年而不衰、今天还要请数学科普名家斯图尔特增订这一事实，就已经证明了《什么是数学》注定是一本成功的经典名著。也许将来还会有个斯图尔特2来增订哩！写到这里，笔者在想，论文的`价值在于引用率，那么科普著作的生命力是否在于它出修订或增订版呢？也许这是一个不错的指标。

除了体裁，柯朗还要面对另一个难题。20世纪的数学已经发展到了让人望洋兴叹的地步，如何在一本可以带出去郊游时随便翻翻的作品中，把这门异常发达的学科的面貌体现在读者面前呢？柯朗的做法是搜集很多数学上的“珍品”，每个方面的讲述并非深不见底，但也不是蜻蜓点水。适当地深入，然后在该结束的时候结束。这种既非盲人摸象、亦非解剖大象的方法，可以让普通读者也能粗略领悟到数学无比精巧的结构之美。这大概也是遵从了希尔伯特所倡导的数学作为一个有机整体的思想。

柯朗为这本书煞有其事地添加了副标题——“对思想和方法的基本研究”。所谓“研究”何以谈起呢？斯图尔特为我们作了揭示。原来，在相对浅显的字里行间，渗透着这样的思想骨架，即数学的学科性。这种学科性并非某些人的自由创造，为抽象而抽象；但也不是完全从实物出发，尽管数学在现实生活中用途广泛。数学就跟植物学或天文学一样，学科性固有的“节律”促使它向前发展，而我们的职责是履行这种学科性。比如植物学家发现一个新物种、天文学家发现一颗新的恒星，就要记录下来，不记录才是不称职。如果碰巧这一新物种对人类战胜癌魔具有重大意义，那么这个植物学家保不定会得诺贝尔奖；如果这种植物对于人类没什么用处，植物学家可能顶多在百科全书中简略提及。而一开始就质问这种知识到底有没有实用价值，那就背离了学科固有的原则，乃是彻头彻尾的无知和错误。什么是有价值的，什么是价值不大的，什么该淘汰，这应由历史而不是人为决定。希尔伯特尽管谨慎地提出了23个问题，但他也同时警告说，预先去判断一个问题的价值往往是不可能的。现在看来，这些问题中有一部分之价值在数学发展史上确实没有当初想像的那么大。庞加莱说过，“要想预见数学的未来，适当的途径是研究它的历史与现状。”《什么是数学》选择了一些有价值的领域，这些领域都是发展成熟的，并且也是引人入胜的。

《什么是数学》的内容错落有致，层次分明。数学的三大版块——代数、几何和分析按章依次加以阐述。作者也注意到不同章节适当的衔接。全书从自然数谈起，然后引申到数论和数系的扩充，直到集合这个最一般的客体。第三章又转入几何作图，并与数域代数联系在一起。接下来的两章，作者从射影几何、非欧几何一直谈到拓扑学。最后三章重点阐述微积分及其应用。

数学或相关学科的重大问题，一直是发展数学理论的源泉和刺激。问题的重要性不在于难易程度，也不在于是否“高等”。通过穿插书中的一个个问题，我们可以看出活生生的数学研究过程。就拿解代数方程来说吧。由于提升了次数，便与几何作图联系起来，最终的发现是丰厚的：一是复数和代数基本定理的提出；二是群论的发明。另一方面，提升方程的元数，则导致矩阵、线性空间的概念，最终与群也有关系。单单一个解方程就搞出那么多名堂！

微积分是一个与代数方程有较大差异的领域，亦始终由一些有趣问题而触发。这些问题更多地来自物理，最著名的是最速降线、三体问题和关于肥皂膜张成极小曲面的普拉托问题；也有纯数学问题，如四色问题。这些表面上看起来毫不相干的问题，使得数学家将微积分拓展到微分方程、变分法、拓扑学和微分动力系统等重要分支。作者还加入了不少著名的“初等极值问题”，如等周问题、光路三角形、最短网络等。不仅增加了可读性，而且强调了这些历史名题对数学发展不可磨灭的功勋。

问题的提出是为了解决问题和提出新问题，最终目的不是炫耀自己的解题本领，而是强化理论武器，达到更高的境界和更广的视野。所以数学家不是工程师，整部数学史是数学家找问题，而不是问题找数学家。工程师、医师总希望问题少点好，而数学家恰恰相反。书中对问题背后新概念的把握可谓丝丝入扣，读来经常有得到“提升”的感觉。几个世纪以来，数学家把零零碎碎的问题在根子上寻找统一的努力，无疑树立了人类理性的伟大里程碑。

当然，柯朗没有看到数学的一些激动人心的新进展，如费马大定理、四色问题的证明，以及素数问题、纽结、分形和连续统假设等。这一切都由斯图尔特在第9章“最新进展”中做了精要而出色的介绍。

本书的参考文献也做得相当好，推荐阅读书目肯定花费了作者很多心思。这也是一本好的科普书的特征。

好作品要让读者常读常新。例如《西游记》，比起那些佛教典籍，太容易读懂了，但好玩的故事和浅显的文字背后，其思想上的玄妙实在不是一语、一人可以道破、穷尽的，故而历来评论绵绵不断；即便是普通读者，碰到一些社会现象，与小说中的情节做些类比，也有新的感悟。那么科学著作能否也达到同样的功效呢？至少，《什么是数学》这本书是做到了。

上周四，郭老师在我们四（十）班举行一堂四年级数学区级公开课，公开课的前一个夜晚，我的心就静不下来了，为了能在公开课上好好表现，我特意将数学书拿出来让妈妈和我一起将要上的课程好好的'预习了一遍。

第二天，来到报告厅时，呀，里面坐满了人，我的心情一下子就紧张了起来，公开课一开始，郭老师用轻快心情为我们上课，我也渐渐忘了这是一堂公开课了，放松了心情，同学们都积极主动发言，课堂氛围轻松又欢快，就在我们还意犹未尽的时候，“叮铃铃”， 40分钟的公开课就在下课铃声中结束了。

下课后，我就在想，如果每天的数学课都能像今天这样，我能课前主动预习，课上又能生动而有趣，那我的数学成绩是不是会有很大的提升呢？我想，一定会的！加油吧！

数学之美读后感 篇1

这本书一共3章，主要介绍了这些数学方法：统计方法、统计语言模型、中文信息处理、隐含马尔科夫模型、布尔代数、图论、网页排名技术、信息论、动态规划、余弦定理、矩阵运算、信息指纹、密码学、搜索技术、数学模型、最大熵模型、拼音输入法、贝叶斯网络、句法分析、维特比算法、各个击破算法等。从第一章开始其明了幽默的语言就深深的吸引了我，让我觉得如果早一点看这本书，也许数学之于我就是另一番天地。

第一章里作者从原始人类的通信方式开始入手，人类最早利用声音进行的通信依赖于开篇给出的"编码—传输—解码"的基本原理，指出原始人的通信方式和今天的通信方式没什么不同，这世界上近现代最普遍的原理大部分都在人类发展的历史上被无意识的使用着。

第六章信息论给出了信息的度量，它是基于概率的，概率越小，其不确定性越大，信息量就越大。引入信息量就可以消除系统的不确定性，同理自然语言处理的大量问题就是找相关的信息。信息熵的物理含义是对一个信息系统不确定性的度量，这一点与热力学中的熵概念相同，看似不同的学科之间也会有着很强的相似性。事务之间是存在联系的，要学会借鉴其他知识。

这本书里也能找到不少在学的课程知识，如大学专业课里，数电总是要比模电简单不少，而自然界里大部分的信号都属于模拟信号。所谓模拟信号，是指从时间和数值两种维度上看来都是连续变化的信号。在实际电路中，模数转换是一个很重要的过程，将预处理的模拟信号经过模数变换为数字信号，然后进行数字信号处理。而数字化处理有很多优点，比如功能强大、抗干扰能力强、易于传输等。

简而言之，如果没有数学，就没有数字信号处理和传输的概念，而数字信号传输在当下大规模的集成电路里是必不可少的，这是通信成功的基本要求。

作者把生活中遇到的复杂的问题，以简单清晰，直观的模型或者公式展现出来。我们可能过于注意生活中的种种奇妙现象，往往忽略了追求其理论逻辑的演绎，而这，也是大部分问题的主要根源。

罗素曾经说过："数学，如果正确地看，不但拥有真理，而且也具有至高的美"；爱因斯坦也曾说过："纯数学使我们能够发现概念和联系这些概念的规律，这些概念和规律给了我们理解自然现象的钥匙。"数学在所有科学领域起着基础和根本的作用。"哪里有数，哪里就有美"。在这里，我也想把《数学之美》真诚推荐给每一位对自然、科学、生活有兴趣有热情的朋友，不管你是从事职业，读一读它，会让你受益良多。

吴军老师在《数学之美》中提到："这本书的目的是讲道而不是讲术。很多具体的搜索技术很快会从独门绝技到普及，再到落伍，追求术的人一辈子工作很辛苦。只有掌握了搜索的本质和精髓才能永远游刃有余"。回到我们日常的生活中，需要学习的东西、技术太多太多，如果一味地只为去追技术的脚步，那么我们也会很累很累。然而基本的原理却是没有怎么变化的。只见森林，不见树木，难免迷失；站在高处向下看，也许我们一直看不到底，但是站在底处却是可以看见底的。

数学之美读后感 篇2

我在想，为什么我们要学习数学？也许这个问题成年人有一万个答案，可是当我们第一次走进教室，学习数学的时候，大概率还是个孩子，你怎么跟一个孩子解释为什么要学习数学呢？我把这个问题抛给了一个朋友，他说：“为了提高思维逻辑能力，这是我初中老师在第一节数学课上告诉我们的”。或者一位5岁的小朋友又会问：“什么是逻辑能力呢？”

也许从出生第一天，我们就一直在被动的接收一些东西，父母的劝导，老师的传授，可5岁的孩子还是会把玩具散落一地，6岁的孩子仍然会因为父母不给买玩具而嗷嗷大哭，无论你怎么劝导一个人，怎么劝诫一个人，他可能仍然会犯你认为会出现的错误。我记得有位教育专家这么说：“你告诉宝宝他把玩具弄坏了，就等于丢了10个棒棒糖”，从此以后这个宝宝可能会更加珍惜玩具。这个方法很简单，但是貌似最有效。数学是什么？数学不就是把复杂的东西简单化么？

现在我们再回答前面的问题：为什么我要学习数学？我们可以这么跟5岁的小朋友说：“妈妈给你10元钱，让你买酱油，酱油7元、棒棒糖1元一个，剩下的钱你可以买几个棒棒糖？”或许想吃棒棒糖的就会苦思冥想一番，或许未来妈妈真的给他10元钱去买酱油，结果回来就变成了一瓶酱油和3个棒棒糖。或者再过一段时间，这位小朋友会选择6元的酱油，因为可以获得4个棒棒糖了。他这么计算着：7+3和6+4都可以等于10，那么如果要必须买酱油的情况下，1+9也可以等于10。我们都知道也有1元的袋装酱油，于是9个棒棒糖到手了。任何知识的魅力都在于自我的发现，只有你对它产生了无限的兴趣，你就会不断的发现它的美，《数学之美》也可以变成《物理之美》。

有些人会说，上面的例子是利益驱动型，不是兴趣驱动型，对于一个孩子来说，你能指望他向成人那样：“我需要的不是物质世界，我需要的是精神世界？”5岁宝宝最喜欢做得事情就是在吃和玩上面，请问，成年人不也是如此么？这就是天性。只不过成年人的自控能力足够大罢了。

我们回到书本上，这本书是否合适自己？如果没有专业的数学知识，很难读懂。但是它又有着无限的魅力，让你不自觉的读下去，为什么？因为“数学之美”，虽然大多数人看不懂里面的公式，但是能够明白数学能解决的问题：概率统计学能够解决自然语言处理、布尔代数能解决搜索引擎的问题、有限状态机和动态规划能解决地图问题、向量+特征向量+余弦定理能解决自动新闻分类问题、最大熵模型解决金融问题，看着看着我就莫名的产生了一种想要学习算法的冲动，这不就是本书的意义所在么？

数学之美读后感 篇3

在网上看到有人推荐吴军博士的《数学之美》，尽管我从事社会科学研究，但对数学的推崇一直如此，所以买来一读，我的真切体验正如吴军博士在书的后记中所说，把自己“境界提升了一个层次”。

那么，对我而言，到底提升了什么境界呢？

首要的肯定是思想境界。在未读这本书之前，我知道对于这个世界的事件形成的信息集合，人类只有两种方式可以表达，一个是数字，一个是语言。整个实数的集合是无穷个，而且每个数字都是唯一的；整个世界中的事件也是无穷个的，而且每个事件也时独一无二的，这样数学中的数字集合与世界中的事件集合就构成一个一一对应的关系，所以研究数字之间的关系，实际上就是在研究世界中事件之间的关系。语言中的概念和世界中的事件之间也是可以构成一个对应关系的，但问题是，语言中概念的集合是有限的，所以它和数字集合的对应显然只能是部分对应。

计算机科学的发展，人类需要把语言处理成数字，因为计算机只能识别数字信号，所以“语言的数字化”成为计算机产生以来发展最快、而且最有创新性的领域，而许多华人科学家成为了这个领域的顶尖专家，如李开复，吴军博士是卓越的科学家之一。至此我才感到，在计算机主导的世界中，信息化就是数字化，而最难的数字化、也是最有成就的数字化，就是对人类自然语言的数字化，因为人类的信息几乎100%是用语言承载、传播的，计算机要与人对话，变成智能化的机器，首先要解决的就是语言的数字化问题。但我们在电脑上自如地输入文字时、或者拿着手机通话时，我们跟本没有意识到，那些卓越的语言科学家，早已经把我们的语言，转化成数字信号，通过输入、处理、解码的方式，让我们无障碍地联络、工作。

我似乎感到，语言与数字的关系，就是人与自然关系的接口。套用古希腊毕达哥拉斯学派的观点，加上我的理解，即是，数是万物的本原，语言是人的本原！

吴军博士似乎也在提升我对方法的认识境界。科学研究的思考方式，习惯遵循本质、规律、连续性思维，在语言学研究的早期，人类为了让计算机识别语言，采用建立语言规则和语言规则数据库的办法，但最终以失败告终（20世纪50—70年代），70年代后科学家采用了语言统计模型，研究取得了突飞猛进。语言统计模型的胜利，再一次证明了宇宙量子模型的信念，世界是不连续的随机性的粒子构成，人类数千年文明进化出来的语言系统，就是动态的随机概率事件。其二，物理思维再也难逃牛顿的经典本质思维方法，即找寻到百分之百确定性的规律，而信息论思维是研究如何把握不确定性现象，利用概率统计是不二法门。其三，语言本质上就是信息传播，只有从通信模型视角才能真正理解计算机的功能，对语言的编码、处理、传输、解码是计算机的强项，计算机是永远不可能理解语言的意思的。

在《数学之美》中，吴军博士对他的老师、师兄弟、同事的经历、掌故进行了叙述，让我们了解到这些世界一流的学科家、技术精英们的为人处世品质、鲜明个性、科学素养及其管理风格。例如贾里尼克对博士生的严酷淘汰，马库斯对学生的宽宏大度，但我感到他们有一样东西是共同的，就是对科学创造、顶尖人才的识别和器重，甚至是无条件的包容。如此为人的境界才是根本，因为伟大的科学创造毕竟是人做出来的，只有崇高的人文精神之下才能造就顶尖的人才、一流的科学和技术。

观国内的学说界，官风盛行、人情充斥，与这些一流学说群对科学创造的赏识、对个性人才的包容，对科学探索的热诚，可谓相去甚远。

看来，我们只能寄希望于年轻一代，但愿吴博士的《数学之美》，能让我们的学子们，初步体验到科学精英们卓越的才智与情怀。

数学之美读后感 篇4

《数学之美》，一个从事多年工作的谷歌研究员眼中的数学。令我大饱眼福的是，大学里面的数学知识竟能如此广泛运用到了计算机行业中。

在语音识别、翻译，还有密码学领域，有着许多基于概率统计的模型和思想。当然，贝叶斯公式是基础，应用到隐含马尔科夫链模型，神经网络模型。

在搜索中，一些相关性的计算，无不用到了概率的知识。在新闻分类中，用到了一些有关矩阵特征值、相似对角化的知识。当然，在图像处理方面，矩阵变换可谓是无处不在。另外，在识别方面，有一些通信模型，涉及到了信道、误码率、信息熵。

最近刚开学也没什么事，所以就想随便找几本书看一下，但最好别是那种太艰深晦涩的书。8月份一直到现在，吴军写的这本12年5月出版的《数学之美》一直盘踞京东、亚马逊等各大网上商城科技类图书的榜首，当然，还有早些时候出版的《浪潮之巅》也排在很靠前的位置。心想市场的力量应该能帮我挑出好书吧，于是就从图书馆借了一本来，一直到今天晚上把它给看完了。

因此想写一点东西来总结、反思一下，反正刚开完班会也没什么事干。

写在前面的建议：如果你不讨厌数学的话，强烈推荐这本书，网上也可以下到电子版，不过阅读感觉上还是很不一样的。

废话就不多说了，《数学之美》其实是一本科普类的读物，所面向的是接受过普通高等教育的人，完全不需要在特定领域有很深的造诣就可以看懂，大概懂一点线性代数、概率统计、组合数学、信息论、计算机算法、模式识别最好（虽然列举了这么多，其实有些不懂也没关系……），所以尤其适合信科的人看。内容大部分是和人工智能、计算机相关的，这并非我所学的专业，但作者比较擅长将看似复杂的原理用简明的语言表达出来，所以可读性还是很好的。

吴军是清华大学毕业的，之前任职于Google，后来到了腾讯，这些文章都是发表在Google黑板报上的，后来经过了重写，所以网上下载的和书本内容有所差异。由于吴军本人是研究自然语言处理和语音识别的，所以统计语言模型的东西可能会多一点，不过我觉得这丝毫不妨碍全书数学之美的展现……感觉收获还是挺多的，知识上的有一些，但更多还是思维方式上的。作者举了很多例子试图让人明白很多看似复杂的高科技背后，基本原理其实是出乎意料简单的（当然，必须承认第一个想到这些方法的人还是非常了不起的……）。比如高准确率的机器翻译，看上去好像是计算机能够理解各国语言，隐藏在背后的却是很多具有大学理科学历的人都非常清楚的统计模型和概率模型；再比如拼音输入法的数学原理，早期的研究主要集中在缩短平均编码长度，比如曾经流行一时的五笔输入法，而现今真正实用的输入法却是有很多信息冗余、编码长度比较长的拼音输入法，作者从信息论和市场的角度做了简单的阐述；又比如新闻的自动分类，许多非IT领域的人可能会认为计算机可以读懂新闻并进行分类，而实际上只是特征向量的抽取、多维空间中向量夹角的计算，非常非常简单，但凡学过一点线性代数的人绝对是一看就懂的……当然，完美的实现还需要考虑很多细节和现实的情况，但这并不是这本书所关注的地方，数学之美在于其简洁而不是繁琐。

除了对于具体信息技术的剖析之外，作者还花了很大篇幅来讲一些杰出人士的成长过程，特别是把这些人的成长经历和中国学生的成长经历作对比。虽然作者并没有明说，但字里行间多少流露出对于中国高等教育以及很多中国企业的批评，一是教育的功利性，缺乏宽松的独立思考的环境，即使学了一堆理论也难有用武之地，自然也就缺乏创新性的成果；二是中国企业的短视，大部分都不舍得在新框架开发上投资，而是坐享学术界和国外企业的研究成果。

总结一下呢，《数学之美》事实上不能带给你编程能力的提升，也没法让人的数学水平有显着的提升，但它在很大程度上让你跳出教科书式的繁琐细节的束缚，能够从更宏观的角度来思考信息世界背后的数学引擎的运行原理，让人明白看似很高级、复杂的东西背后其实并不如我们所想象的那样复杂，而我们所学的“枯燥”的数学真的可以“四两拨千斤”，改变亿万人的生活。

数学之美读后感 篇5

第8章里的“索引”，作者讲到谷歌面试产品经理的一道题目：如何向你的奶奶解释搜索引擎。关于这个问题，好的回答据说是用图书馆的索引卡片做类比。

我奶奶是个文盲，一生为农，日出而作，日落而息。她很少看电视，更别说图书馆。所以用图书馆的例子，对我们来说，很生动；对她来说，很生涩。

我们村的田地是按照地形、土质和流水等来划分的，计有一等地、二等地和三等地。一般情况下，一等地用来种水稻，二等地用来种菜，三等地用来种水果。

所以当我奶奶想要给我摘桔子的时候，她肯定不会从一等地或者二等地一块地一块地找过来，而是直接跑到三等地（一般就是山上）。

像这样的索引，是基于脑子里的“数据库”，因为田地不会很多，多了也来不及种，所以跟布尔代数没什么关系。但是这样解释，我奶奶就会大概明白了。我奶奶生前一次电脑也没用过，跟她解释这些，唯一的意义是，她会觉得我没有敷衍她，这会使她欣慰——如果有机会解释的话。

杨小凯曾经说，如果张五常多加注重使用数学模型，那诺奖也许就拿下了。张五常对此不以为然，反以为傲，自诩当今世上只有科斯、阿尔钦和他才敢只用文字，不借助数学模型就在经济学界占有一席之地。

当然，张五常也不是彻底否定数学的作用，他认为能够用文字解释的经济学原理，不必使用数学对其复杂化。

数学在信息学和经济学里都有广泛应用，但是在信息科学方面，对数学作用大小的争论就没有经济学那么大了。

我们常说搜索引擎的竞价广告，就可能经历到第三方公司，通常他们宣传自己是谷歌或者别的搜索引擎公司的代理商，然后通过不正当手段为客户提高网页的排名。谷歌在消除网络作弊方面做了很多努力，通过修改排序算法来为搜索者提供更加准确实效的信息。

“作弊的本质是在网页排名信号中加入噪音，因此反作弊的关键是去噪音。沿着这个思路可以从根本上提高搜索算法抗作弊的能力。”我们公司就是吃了这个亏，交了不少钱给第三方公司，结果算法一变，关键词的排名从前三下降到前三页没影。

社交搜索正在雄起，但是如果想要在传统的搜索引擎中占据有利排名，我想，第三方公司的技术水平是很关键的。

大学专业课里，数电总是要比模电简单不少。

自然界里大部分的信号都属于模拟信号。所谓模拟信号，是指时间和数值上都是连续变化的信号。在实际电路中，模/数转换是一个很重要的过程，将预处理的模拟信号经过模/数变换为数字信号，然后进行数字信号处理。而数字化处理有很多优点，比如功能强大、抗干扰能力强、易集成化等。

简而言之，如果没有数学，就没有数字信号处理的概念，也就无法进行信号的传输，而数字信号传输在大规模的集成电路里是必不可少的，这是通信成功的基本要求。

之前看到有人说如果高中看这本书，也许数学就是另一番天地，会有所突破。我不觉得，如果高中看这种书，我想，大多数人还是会对数学更加望而却步。本书更适合通信电子这些专业的学生，在学习专业课的时候辅助阅读，对理解通信原理、数电模电等都有更形象生动的想法。

数学之美读后感 篇6

我是在读了吴军博士的《浪潮之巅》之后，发现推荐了《数学之美》这本书。我到豆瓣读书上看了看评价，就果断在当当上下单买了一本研读。本来我以为这是一本充满各种数学专业术语的书，读后让我非常震撼的是吴军博士居然能用非常通俗的语言将自然语言处理等高深理论解释的相当简单。在李开复博士之后，吴军博士又成为了目前备受瞩目的具有深厚技术背景的作家。对于我来说，读这本书有扫盲的功效，让我知道了很多以前不知道的东西。我的想法是在研究生阶段，不只局限于导师的研究方向，通过更加广泛的涉猎知识，去寻找一个自己喜欢的研究领域。如果找到了这样一个领域，那么我就读博士。如果没有的话，那么我想还是工作算了。

【第1句】：学科之间的联系是如此的重要

全书主要是围绕着吴军博士所研究的自然语言处理方向来讲述一些应用在这个研究领域的数学知识，用了很大篇幅讲解了将通信的原理应用到自然语言处理上所取得的'巨大成功。以前学习计算机网络的时候，学过一个香农定理。对香农的认识就从香农定理开始，因为考研会考相关的计算题。看了这本书才知道，香农的《信息论》对今天的影响真的是不可估量。通过这样一个过程，我也对以前的本科学校的学科建设产生了一些忧虑。对于培养计算机人才来说，无论是培养应用型人才，还是培养研究型人才，都应该与电子、通信有一定的交叉，这样对学生思考问题的启发与视野的开阔有着重要的作用。计算机本身就是从电子、通信、数学等学科中抽出来的新兴的学科，在发展了多年之后，我们发现它仍然需要继承一些传统。回想自己的本科四年，上的更多的课时

语言类、技术类的课程，这些课程的确对提升学生的就业有很大帮助。但是我想说的是，一个忽视数学基础、学科交叉的学校，他无法成为一所国内的一流大学。作为一个母校培养的学生，我深知改革的阻力与困难，但是我希望母校的计算机学院能越办越好。我们现在已经培养出很多高薪优秀的技术人才，我希望将来也能培养出更多的研究型人才。

【第2句】：看起来很牛的东西却用着难以置信的简单数学原理

在整本书中让我最为印象深刻的是解释Google搜索的原理，居然就是简单的布尔代数运算。这个的确让我大跌眼镜，我一直认为搜索时一个非常复杂而庞大的问题，其数学原理也是相当高深的，但是吴军博士的解释让我大开眼界。与此同时也知道了Google为什么牛，牛在哪了。搜索的原理虽然非常简单，但是搜索是一个需要对海量数据进行操作的工作。Google在海量数据的处理方面的确是相当先进的，MapReduce、BigTable等等一些技术的发明与应用使得Google在搜索上无出其右。目前分布式存储、分布式计算、数据仓库与存储等研究领域近些年来的大热也说明Google在引领研究方向上的超凡本领。

【第3句】：感谢概率老师的教诲

在大二的时候，有一个在我们学生中声望很高的概率老师，他在课程即将结束的时候跟我们说我们将的是前几章，这些事概率论与数理统计的基础。对于你们计算机的学生来时，后面的章节才是最有用的，以后一定要好好的研究，弄上一两个在你的毕业设计上就会让你毕业设计提升一个档次，有可能验收你毕业设计的老师也不懂。我当时对他的话没有特别在意，我只关心期末考试要考哪些题目，因为我那个学期的概率课基本上都在睡觉，只有他讲笑话的时候不睡。我看《数学之美》后发现马尔科夫链、贝叶斯网络之后，对以前的概率老师充满无限的敬意。我发现我们再本科阶段学习的《高等数学》、《线性代数》、《概率论与数理统计》在计算机学科应用较多的要数概率论与数理统计，还有一门我学的不好的《离散数学》在计算机中也是有着举足轻重的地位。我在看米歇尔的《机器学习》时也发现很多熟悉的概率论与数理统计的知识，这让我不得不开始考虑重新弥补自己的数学短板。我的想法是在研一这一年把概率论与数理统计、线性代数、离散数学尽我最大的努力补一补，希望他们对我今后的学习有所帮助。

【第4句】：说说作者吴军博士

吴军博士写的书对于学习计算机的学生来说，读起来有种说不出的亲切感。可能这跟他是技术出身的原因有关，流畅的文笔、质朴的文风也让人读起来很舒服。看高晓松在优酷上的《晓说》就知道，在硅谷有着众多的华裔工程师，他们很多都来自清华、北大等国内的名牌大学，这些人在美国实现着自己的梦想。吴军博士也曾是这其中的一员，我非常希望那些像吴军博士一样的牛人们能够写书或者来国内的大学做一些演讲、论坛等等，开阔一下我们的视野，传授一下做学问的经验。与此同时，我也在想为什么我们国家那么多优秀的IT人才都去了美国。

这个问题在我去苹果公司在东软信息学院组织的培训过程中得到了答案，那个南京邮电的老师讲了讲中国为什么不像美国那么有创造力。我们中国人并不缺乏创造力，很多时候是我们所处的外部环境恰恰阻碍了创新。我想那么多优秀的清华北大学子纷纷到大洋彼岸的美国，正是被美国开放的学术环境、创新氛围所吸引，每个人都有自己的梦想，他们去美国也是为了能实现自己的梦想。以前都觉得他们是不爱国，现在长大了，对于这个问题看得更清楚了一点。

我想说我们的祖国在经历了改革开放30多年的飞速发展之后，目前正处于一个关键和脆弱的时期。我们靠着人口红利取得了巨大的成就，我们能不能凭借人才红利取得更大的成就还是未知。希望有更多的人才能像李开复博士、吴军博士那样，为我们这个民族青年的成长和国家发展做出贡献。

数学之美读后感 篇7

上个月去北京开会，顺道拜访了人民邮电出版社，合作多年的编辑陈冀康赠我一本《数学之美》，说一定是我喜欢看的类型。以前也在网上零散看过Google黑板报上吴军先生的文章，对他的前一本书《浪潮之颠》也有耳闻，但没有读过。这次有机会集中阅读他的文章，确实是一段美妙的体验。

读完这本书有一点强烈的感受：工具一定要先进。数学是强大的工具，计算机也是。这两种工具结合在一起，造就了强大的google、百度、亚马逊、阿里、京东、腾迅等公司。他们不是百年老店，但他们掌握了先进的工具。

掌握了先进的工具，必将获得竞争优势。如果你知道哪里有一群软件工程师，维护着更大的一群计算机，那么不要犹豫，想办法使用他们提供的服务，因为这会给你带来优势。所以我们使用Google的搜索和邮件，在亚马逊、京东和淘宝上购物，用QQ和微博联系朋友，使用银行卡和网上银行，利用交易终端在全球市场上进行各种交易……

人类历史就是一部工具的进化史。石器、青铜、铁器、火药、蒸汽机、内燃机、电报、电话、电视、计算机、卫星、互联网，工具的进步引领着文明的进步。新的工具不断淘汰老的工具，就像互联网视频点播正在淘汰电视、微博正在淘汰报纸、电子书正在淘汰纸质书那样。

但有一些古老的工具，今天仍有人在学习和使用，甚至在上面花费许多时间。毛笔就是这样一个例子。今天学习掌握毛笔这种“落后的”工具，还有什么意义？其实我们在使用一些“落后的”工具时，主要是在学习工具背后的思想。书法和绘画中蕴含的艺术审美的一般原则，经得起具体工具变迁的考验。甲骨文、金文、石鼓文所包含的对空间构图的理解，仍然值得现代人学习。思想工具是比实物工具更强大的工具。

工具组合使用，形成更强大的新工具。《数学之美》中提到的马尔可夫链虽然是很强大的工具，但我在数学课上没有听老师提到过。这本书中给我印象最深的例子是余弦定理和新闻分类。余弦定理是中学数学，再加上一些不算很难的多维向量的知识，竟然解决了计算机新闻分类这样的难题！

每一种工具的背后，是人们对世界的一种理解。蒸汽机和内燃机背后，是力学的世界。电报、电话、电视、计算机和互联网背后，是信息的世界。数学是抽象的工具，是其他工具背后的工具。每一门学科要成为科学，都少不了数学。也许有一天人们会习惯，用数学工具来分析艺术。数学是一种语言，它源于具体的世界，又高于具体的世界。如果说语言是对世界的认识和描述，如果说数学是一种语言，那么它一定是最接近神的语言。看似毫不相关，却又能描述万事万物。

学习数学有什么用？物理学家费曼当年在大一时提出这个问题，他的师兄建议他转到物理系。今天，这个问题已不成为问题。具有扎实数学功底的人才正进入各行各业，例如金融业。我认识一个出版社的老总，他招应届毕业生有一个条件：数学要好。

工具虽好，关键还要会用。最终要回到掌握先进工具的人。软件算法工程师加上计算机集群，这是目前一流企业必需的装备。正如马克.安德森所说的，各行各业的一流公司，都是软件公司。优秀的软件算法工程师，是人才争夺的焦点。这样，我们就容易理解Google招工程师的要求。

对信息加工处理和传递的能力不断增强，是知识经济的特点。《数学之美》展示了Google如何运用数学和计算机网络，带领我们进入云计算和大数据时代。

知识经济时代的工作，就是在各自的领域中进行科学研究。科学研究要大胆假设，小心求证。科学研究要量化。科学研究要有对比实验。科学研究要有数学模型。科学研究要有田野调查。科学研究要有文献查证。科学研究要有同行评议。《数学之美》向我们介绍了自然语言分析领域的科研方法和过程。

任何一个领域，深入进去都有无数的细节。有兴趣的人不但没被这些细节吓倒，反而会兴致勃勃地研究，从而达到令人仰慕的高度。吴军先生向我们展示了数学和算法中的这些细节，也展示了他所达到的高度。值得我学习。

感谢吴军先生分享他的知识和深刻见解，也感谢人民邮电出版社出了这样一本好书。

数学之美读后感 篇8

本书介绍了Google产品中涉及的自然语言处理、统计语言模型、中文分词、信息度量、拼音输入法、搜索引擎、网页排名、密码学等内容背后的数学原理。让我们看到了布尔代数、离散数学、统计学、矩阵计算、马尔科夫链等似曾相识的内容在实际生活中的应用。相比于其他数学题材书籍，吴军老师把抽象、深奥的数学方法解释得通俗易懂，书中同时引用了诸多的历史典故和人物介绍，给人以很多启发，也让人由衷感叹数学的简洁和强大。

虽是数据专业毕业，但是才疏学浅，无力对数学的美进行阐述。仅就书中两个比较喜欢的地方发表一点不成熟的见解，与诸位共勉。

其一，在讲Google的搜素引擎反作弊时谈到做事情的两种境界“道”和“术”，术就是具体的做事方法，而道则是隐藏在问题背后的动机和本质。在术这个层面解决问题要付出更多的努力，有点类似于我们常说的“头疼医头，脚疼医脚”，暂时不疼了，过几天复发了，再去医治，如此往复，无法从根本上解决；而只有找到了致病原因，才能做到药到病除，根本治愈。本人之前参与过行内月终自动核对的研发，月终核对初期数据的不一致性只能靠数百业务人员人工核对数据差异，然后修改数据，每月1日都要加班加点，工作量很大，这是从术上解决问题。后来找到了产生差异的原因是会计核算时的利息调整造成的，把这些数据接过来进行相应冲减后差异就消失了，业务人员也不用来加班了，这才是从道上解决问题。

其二，是在做中文网页排名时提到的从业界成功的秘诀之一：“先帮助用户解决80%的问题，再慢慢解决剩下的20%的问题。许多时候做事失败，不是因为人不够优秀，而是做事的方法不对。一开始追求大而全的解决方案，之后长时间不能完成，最后不了了之”。我们在做项目时也是一样，业务有时要的功能非常急，可能有些功能也实现不了（比如系统响应时间长、查询明细不能支持省行等）。这时我们就要将焦点关注在那些可以实现的80%的功能上，哪怕刚刚上线的系统界面丑点，操作复杂点，反应速度慢点，但是至少业务有可用的系统，剩下时间再去优化那剩下的20%。这样可以帮助我行抢占先机，在与同行业的竞争中取得主动。如果等待我们把所有的细节都搞清楚再动手开发，力求完美，那么很可能系统能够上线的时候业务已经不需要了。

数学之美，也就是简单之美。希望大家能够喜欢数学，喜欢数学之美。