第一篇：《数学之美》读后感

确切的来说，《数学之美》并不是一本书，它是谷歌黑板报中的一系列文章，介绍数学在信息检索和自然语言处理中的主导作用和奇妙应用，每一篇文章都不长，但小中见大，从看似高深的高科技中用通俗易懂的案例展示了数学之美，深深的吸引了我。

这一系列文章的作者是google公司的科学家吴军。他毕业于清华大学计算机系（本科）和电子工程系（硕士），并于1993-1996年在清华任讲师。他于1996年起在美国约翰霍普金斯大学攻读博士，并于XX年获得计算机科学博士学位。在清华和约翰霍普金斯大学期间，吴军博士致力于语音识别、自然语言处理，特别是统计语言模型的研究。他曾获得1995年的全国人机语音智能接口会议的最佳论文奖和XX年eurospeech的最佳论文奖。

吴军博士于XX年加入google公司，现任google研究院资深研究员。到google不久，他和三个同事们开创了网络搜索反作弊的研究领域，并因此获得工程奖。XX年，他和两个同事共同成立了中日韩文搜索部门。吴军博士是当前google中日韩文搜索算法的主要设计者。在google其间，他领导了许多研发项目，包括许多与中文相关的产品和自然语言处理的项目，并得到了公司首席执行官埃里克.施密特的高度评价。吴军博士在国内外发表过数十篇论文并获得和申请了近十项美国和国际专利。他于XX年起，当选为约翰霍普金斯大学计算机系董事会董事。

正是他在信息检索与自然语言处理领域中的一系列工作，使他讲述了我所看到的内容－数学之美。

看了数学之美，立即联想到了金庸小说中的武林高人，总是把一套大多数人都会的入门功夫使得威力无比，击溃众多敌者。东西放在那，它的威力如何，并键在于使用者，武术如此，数学同样如此。

于我而言，语音视别是一类高科技，作为非专业人土，深觉高奥。但看完数学之美之后，顿感惊诧，原来如此深奥东西的解决方法自己也学过，并且理工科读过大学的人都学过，那就是统计学中的条件概率p(a/b)，即b事件发生条件下a事件发生的概率。

如果s表示一连串特定顺序排列的词w1，w2，…，wn，换句话说，s可以表示某一个由一连串特定顺序排练的词而组成的一个有意义的句子。现在，机器对语言的识别从某种角度来说，就是想知道s在文本中出现的可能性，也就是数学上所说的s的概率用p(s)来表示。利用条件概率的公式，s这个序列出现的概率等于每一个词出现的概率相乘，于是p(s)可展开为：

p(s)=p(w1)p(w2|w1)p(w3|w1w2)…p(wn|w1w2…wn-1)

其中p(w1)表示第一个词w1出现的概率；p(w2|w1)是在已知第一个词的前提下，第二个词出现的概率；以次类推。不难看出，到了词wn，它的出现概率取决于它前面所有词。从计算上来看，各种可能性太多，无法实现。因此我们假定任意一个词wi的出现概率只同它前面的词wi-1有关(即马尔可夫假设），于是问题就变得很简单了。现在，s出现的概率就变为：

p(s)=p(w1)p(w2|w1)p(w3|w2)…p(wi|wi-1)…

(当然，也可以假设一个词又前面n-1个词决定，模型稍微复杂些。）

接下来的问题就是如何估计p(wi|wi-1)。现在有了大量机读文本后，这个问题变得很简单，只要数一数这对词（wi-1,wi)在统计的文本中出现了多少次，以及wi-1本身在同样的文本中前后相邻出现了多少次，然后用两个数一除就可以了,p(wi|wi-1)=p(wi-1,wi)/p(wi-1)。

也许很多人不相信用这么简单的数学模型能解决复杂的语音识别、机器翻译等问题。其实不光是常人，就连很多语言学家都曾质疑过这种方法的有效性，但事实证明，统计语言模型比任何已知的借助某种规则的解决方法都有效。比如在google的中英文自动翻译中，用的最重要的就是这个统计语言模型。去年美国标准局(nist)对所有的机器翻译系统进行了评测，google的系统是不仅是全世界最好的，而且高出所有基于规则的系统很多。

这就是数学的美妙之处了，它把一些复杂的问题变得如此的简单。

看到《数学之美》，在感叹数学的美妙与神奇之处时，自然而然联系到自己专业（地质工程而或岩土工程）中的数学应用。

现在找文献，搜索期刊一大堆基于数学的专业文献，灰色数学的、模糊数学的、非线性的、系统的，等等，这么多的数学的使用，促进了一大批的文章，但这些数学方法的应用究竟是发现了哪些问题？还是解决了实际问题吗？还是仅发了文章，满足了需求？现实是文章好发，用着难用，解决问题还得传统的方法，那么是这些数学方法不行，还是用的太肤浅，根本没发挥其威力来？如果没有发挥出威力来，那怎么用？怎么发挥？

第二篇：数学之美读后感

数学之美读后感

（一）我第一次看到这本书是在两三年前，当时看的是电子书，虽然没太仔细看，但是第一次近距离了解到这些互联网应用背后的数学原理。

前段时间，我在小孙同学的桌上看到了《数学之美》的纸质书，就向他借来读。虽说“书非借不能读也”，但实际上借了书也没能好好读，断断续续读了有一个月才读完。

由于工作背景的缘故，吴军博士的这本书主要内容集中在语言识别和搜索领域，但这丝毫不妨碍它确实反映了很多共同的道理。我总结了几点供大家探讨。

1.简单就是美

欧拉公式，最美的数据公式之一。

虽然在大家的眼里，数学是一门深奥的学科，但是很多数学规律却能用非常简单的公式表示出来。我想“简单却非常有用”或许就是数学之美的内涵吧。

书中作者给了很多“简单却非常有用”的例子，比如简单的布尔代数就是搜索引擎的数学基础；比如助Google一举逆袭成为搜索老大pagerank算法就是矩阵乘法迭代结合TF-IDF公式；地图导航搜索就是简单的动态规划；统计语言模型可以轻松解决看似难度、复杂度超高机器翻译、语音识别。

数学的精彩之处就在于简单的模型可以干大事。从本质上讲，数学的思维方法就是抽象与简化。简单的模型怎么来？靠的是先抽象，后简化。对于复杂的问题，往往可以通过抽象，然后用数学模型来描述它。选择了合理的模型就成功了一半。但是有了模型，往往模型看着简单，但求解比较困难。这就需要合理假设继续简化，或者说通过增加合理的假设条件来简化计算。以书上提到的马尔科夫链为例，虽然公式的求解非常困难，但是一旦加上适当的假设，问题就一下子简化了非常多。

所以，针对纷繁芜杂的现实情况，我们一定要能时刻准备着把复杂问题简单化，一定要做到大胆合理假设，尽可能的简化问题，抓住其主要矛盾，先用很小的代价解决大部分的问题，剩下的部分再分步解决。

2.透过现象看本质

作者说到，技术分为术和道两种，具体的做事方法是术，做事的原理和原则是道。技术容易学，但也容易落伍，所以追求术的人一辈子工作很辛苦，只有掌握了道的本质和精髓才能永远游刃有余。真正做好一件事没有捷径，需要一万小时的专业训练和努力。

道是什么？道实际上就是方向，就是判断。

我想有些领导之所以成为优秀的领导，是因为他们掌握了道，反而对具体的术不那么关注。

举个书上的两个例子，都是关于搜索的：一个例子是搜索的本质是什么？自动下载尽可能多的网页；建立快速有效的索引；根据相关性对网页进行公平准确的排序。另一个例子是搜索引擎作弊的本质是什么？是在网页排名信号中加入了噪声，因此反作弊的关键是去除噪声。

所以，我们在工作的时候，要善于理解事物的原理与本质。要先回答是什么、为什么？最后才是怎么做。再比如，在学习某个软件或某项技术时，就需要先掌握它的工作原理与工作机制，以便于我们判断其适用的场景和不适用的场景，而不是先去熟悉怎么用它。

3.循序渐进、逐步演化

书上对自然语言处理着墨很多。最初的自然语言处理是基于规则的句法分析，但是一段时间过后，人们发现句法分析的准确率很难提升。正当句法分析派走投无路的时候，统计语言模型出现了，而且越走越顺，很快就把句法分析派远远抛在了后面。问题就来了，那为什么最开始科学家们不直接研究统计语言模型？答案当然是不能，原因是时机还不成熟，因为统计语言模型所需要基于的大数据量的语言库还没有，大规模并行计算的能力还不够。同样的，统计语言模型就是最好的吗？当然是不尽然，科学家们现在开始研究基于深度学习的自然语言处理，相信不久的将来，语言识别、机器翻译会有另外一个质的飞跃。

我们做什么事情都不可能是一蹴而就，一步到位，想毕其功于一役的往往最后的结局都是失败的。

对我们团队而言，不管是架构规划也好、系统建设也好、管理工作也好，更是需要找准突破口，循序渐进，逐步演化。当然，我们也不能固步自封、墨守成规。

数学之美读后感

（二）看数学之美，悟技术之道

周旭龙

一、关于此书

数学之美

记得几年前看完了《浪潮之巅》之后，便知道了吴军老师还有另外一本非常出名的著作《数学之美》，但是一直没有列入计划阅读。直到202_年我看完了《硅谷之谜》以及《智能时代》之后，便自己上网买了一本第二版的《数学之美》。正如李开复博士所说：“在我认识的顶尖研究员和工程师里，吴军博士是极少数具有强大叙事能力和对科技、信息领域的发展变化有很深的纵向洞察力，并能进行有效归纳总结的人之一。”，正是因为在前面几本书中我看到了吴军老师强大的“讲故事”的能力，他能用通俗易懂，深入浅出的语言将技术原理讲清楚，这就十分腻害了，在《数学之美》中他也再次展示了这一点。

最近除了阅读《数学之美》，还订阅了吴军老师的《硅谷来信》，每天在早上洗漱时听一封信，在睡觉前也会听一封信，借吴军老师之眼去看世界，也可以读到一流的科学家/工程师对于各种事件非常独特的见解，以丰富自己的眼界。在此，感谢之前Sobey公司的我的前老板刘总的推荐，我也将《硅谷来信》推荐给你们（可以利用你们的碎片时间来学习）。

二、看数学之美

Part 1 简单即是美的方法

这本书一共29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。

例如，在统计语言模型一章中，我们会发现原来使用简单的数学模型就可以解决复杂的语音识别、机器翻译等问题，但是使用很复杂的文法规则和人工智能却做不到，而这些仅仅需要我们了解概率论和统计学的知识就可以应用到工程中。（当然，最先提出将统计学方法应用到计算机应用工程问题的先驱们是真的值得我们为其鼓掌的！）此外，简单的布尔代数就是支撑搜索引擎索引的数学基础，一个漂亮的pagerank矩阵乘法迭代加上一个TF-IDF公式，就可以大程度地改善搜索结果的质量，()无一不体现出简单即是美的特点，而数学模型刚好符合这个要求。

又如，在信息的度量和作用一章，我们再次回顾了信息熵的重要性，这也是吴军老师一直在重复提及的信息论（吴军老师喜欢站在信息论的高度看问题，而不只是看到片面的表象）。一个事物内部会存在随机性，也就是不确定性，而从外部消除这个不确定唯一的办法是引入信息，而需要引入的信息量取决于这个不确定的大小。就像我们在追一个女生的时候，很多时候往往不是一拍即合，一见钟情的，只有互相表达的信息（即引入信息）足够了，才会消除各自对于对方的顾虑。等到引入的信息量消除了处在两个人之间的屏障，那么我们就可以跟对方告白宣告在一起了。

本书中介绍的所有的这些方法在吴军老师的笔下都只为了突出一句话：数学的精彩之处就在于简单的模型可以干大事。

PS：对于书中提到的大部分的数学模型都有其开源的代码实现，而我们这些工程人员只需要使用这些开源工具到自己的实际项目中即可，么么哒！

Part 2 传道授业的专家们

这本书除了在高层讲述数学方法在计算机应用（主要是语音识别等互联网应用领域）的基本原理（吴军老师称其为“道”）外，还穿插了一些传道的专家们的故事，包括：贾里尼克、辛格、马库斯以及维特比等。

比如，吴军老师的博士生导师贾里尼克教授。贾里尼克教授少年坎坷，也并非开始就投身到自然语言方面的研究，关键是他的思想和他的道。贾里克尼教授治学严谨、用心对待自己的学生，对于学生的教导，教授告诉你最多的是“什么方法不好”。这让我回想起当年看李开复博士的《世界因你而不同》一书中听到的一句话（李开复博士的导师罗迪教授给李开复讲的一句话）“我不赞同你，但我支持你”，于是也就有了李开复在语音识别领域的一鸣惊人的成就。贾里尼克的一生富于传奇色彩，先在哈佛大学、康奈尔大学教书，接着在IBM任职，之后又去约翰-霍普金斯大学教书。他的贡献主要有如下几个：第一，提出了统计语言识别的框架结构；第二，共同提出了BCJR算法；第三，领导建立了世界著名的CLSP实验室。

又如，辛格博士现任主管Google搜索的高级副总裁，并被学术界公认是当今最权威的网络搜索专家。他奉行简单的哲学，并一直坚持寻找简单有效的解决方案。令我印象最深刻的就在于，吴军博士在设计分类器时，依照吴军力求完美的态度，应该还会花很多时间去尽善尽美，但是被辛格博士止住了，“在工程上简单实用的方法最好”。这种做事情的哲学其实非常值得我们借鉴，即先帮助用户解决80%的问题，再慢慢解决剩下的20%的问题，是在工业界成功地秘诀之一。许多失败并不是因为人不优秀，而是做事情的方法不对，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。在我们的日常工作中也是一样，在项目开发设计中，很多人不管业务场景和技术要求，一上来就这种架构那种模式，往往不考虑到底这种设计是不是大牛拉小车，最后虽然解决了问题但是交付时间被延后，既让用户不满意也让部门不满意。

三、悟技术之道

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”。回到我们日常的开发工作中，作为IT工程师，程序员，要跟上技术的大潮流，需要学习的技术太多太多，如果一味地只为去追技术的脚步，那么我们也会很累很累，而且可能会是花了80%的时间却只得到了20%的效果，更别谈期望值最大化了，或许根本就达不到你期望值的60%。相反，比如cnblogs（博客园）在招聘工程师一直提到的“3大原理，2个协议，1种结构”（计算机原理、操作系统原理、编译原理、TCP/IP协议、HTTP协议、数据结构）却是没有怎么变化的（甚至是短时间不会变化的），而这些东西恰好是在这个浮躁的社会，我们这些所谓的计算机系的毕业生，所谓的科班毕业生所缺乏的（因为大部分人都没有在大学期间将这些东西真正地学好，而只是为了所谓的几个学分去图书馆奋战一两个周末而已）。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，这也是我为什么在毕业之后还要去重新温故操作系统原理和数据结构等科目的原因。

愿我们能够在底层站的更稳后，能够以一种更加全局的视角去看待上层建筑，感悟技术之道！

数学之美读后感

（三）《数学之美》，读来确实有感：数学美。

——邓毅雄

吴军博士的《数学之美》

读来确实有感：数学美。

——邓毅雄

这本书，主要涉及自然语言处理、网络搜索引擎等问题，介绍解决问题的数学方法，这些方法基本不属高大上，用到的数学知识并不复杂，有的甚至属中等数学，如余弦定理。像较好解决复杂的自然语言识别与翻译的统计方法，只是条件概率与马尔可夫链的应用；解决网页排名的PageRank算法，其核心是数学的n维向量和数值计算中的迭代法；密码学中的公开密钥方法，仅仅是较大素数的乘、除运算而已，等等。复杂的现实问题，简单的数学方法，彰显数学之韵味和数学之美。

数学之美

数学之美，源自数学的概括与抽象。而数学的抽象，又恰恰是许多人难以接受数学之梗阻。所以，一般来说，能够欣赏到数学之美，必有一定的数学基础。不过，吴军的《数学之美》，语言通俗，略沉心境，顺利读懂其要义，应该是不难的事。有这种说法，真正的大师，能够将复杂的东西，通俗表达。这话我不尽信，但也确实佩服那些把数学理论通俗易懂、形象生动描述的专家，读了《数学之美》，觉得吴军博士不错。

人类发明了许许多多的语言，如自然语言（包括各国各民族的语言）、音乐、绘画等，数学也是一种语言。读懂各种语言，需要下一定功夫，只是有些语言本身比较通俗，功夫不用太深，但像数学这样的语言，数字化，符号化，抽象化，逻辑化，难言大众望而生畏，也着实不少人望而却步。如果我们的数学老师们，能够将这些“化”都“简化”，或者尽量简化些，那是不是有更多的人有迎难而上的勇气呢？也许吧！然而，毕竟数学除了作为工具性角色，还要培养和训练人的思维，一味地简化和通俗，那种逻辑思维的特征要素，失之亦可惜呀。前些日，读了保罗.洛克哈特（美国）的《度量：一首献给数学的情歌》，其对形状和运动的度量叙述，非常通俗，给人启发，但对我这数学背景出身的人来说，因思想深处固守那份对抽象性和逻辑性的呆痴，而总感觉其味不够，犹如爱好辣味的江西人，怕不辣二无味。

五世纪著名数学评论家普洛克拉斯说：“哪里有数,那里就有美”。我国著名数学家华罗庚说：“就数学本身而言，是壮丽多彩、千姿百态、引人入胜的……认为数学枯燥乏味的人，只是看到了数学的严谨性，而没有体会出数学的内在美。”数学之美表现丰富，如美的形式符号、美的公式、美的曲线、美的曲面、美的证明、美的方法、美的理论等。从内容来说，数学之美有可分为结构美、语言美与方法美，数学也有简洁之美、对称之美、和谐之美。罗素说，数学的美，“是一种冷而严肃的美”。所以，欣赏数学的美，是需要一定能力和技巧的。

数学的应用，也是数学美的特征。科学发展到现在，数学应用无处不在，数学应用的方法很多。一个数学的抽象，包含了无穷的客观现实。解决问题，尽量方法简单，能简不繁，是一种原则。数学应用之美，就在于简单，在于巧妙，在于效奇。

作者：邓毅雄

第三篇：浅谈数学之美

浅谈数学之美

姓名：

学院： 专业： 学号：

摘要：通过重新了解认识数学是什么或不是什么即对数学概念多方位的分析讨论与认识，发现数学之美，感受数学不同的美。数学之美主要概括为：形式美、奇异美和方法美。数学美是自然美的客观反映。数学史自然科学的语言，具有一般语言文学与艺术所共有的美得特点，即数学在其内容结构上，方法上也都具有自身的某种美。所谓数学之美，即数学中所蕴涵着的无穷魅力。关键词：认识；形式美；奇异美；方法美

引言：美是人类创造性实践活动的产物，是人类本质力量的感性显现。通常我们所说的美以自然美、社会美以及在此基础上的艺术美、科学美的形式存在。数学美是自然美的客观反映，是科学美的核心。简言之数学美就是数学中奇妙的有规律的让人愉悦的美的东西。数学中充满着美的因素，数学美是数学科学的本质力量的感性和理性的呈现，它不是什么虚无飘渺、不可捉摸的东西，而是有其确定的客观内容。

一、重新认识数学

关于数学最大的误区就是把数学看成自然科学。对于一般人说这种分法似乎已经习惯成自然，主要表现在粗糙的学科分类中。但二者还是存在明显的差异，例如，自然科学的本质是发现而数学的本质则是发明；自然科学目标为寻求对客观事实的解释而数学则是寻求概念之间的逻辑关系，其结果形成定理或算法等。数学还与艺术存在共性与差异。虽然表面上数学与其并无直接明显干系，但都具有创造性，强调原创性。以显示为参照物却都突破了现实的局限。二者的差异性也很明显，数学求真而艺术求美。数学理解有程序性而艺术带有直观性。

由此我们看到了数学虽然与自然科学，艺术有共同特征。但也存在相当的差别，数学不是自然科学，也不是艺术。

数学是一个具有内在统一性的科学技术群。数学是一类知识，一种科学语言，一个工具，各门学科的基础，一门科学、艺术、技术，甚至为一种文化。数学是研究现实世界中数与形之间的各种形式模型结构的一门科学。

二、数学之美

（一）形式美

数学美要求以最合理、最恰当的形式及最佳形式表现美的内容；在表现同一内容的众多形式中，力求选择一种最理想的表现形式；力求形式上的创新，不断地改造就形式，创造新的形势。数学的形式美与传统的形式美存在着差异。可以说数学形式美是传统形式美的高级阶段。数学形式质料是抽象的数学符号，反映着自然事物的内在形式即内在关系和结构，因而数学形式美往往给人以理性的冷峻感。数学形式美是由一般科学的内在形式经过历史沉淀和思维抽象演化而来的。其比传统形式美的形式规律更加抽象、精确，并且比传统的形式规律要多得多。

数学的形式美体现在其的简单，对称和多样统一的美。数学的简单体现在其简洁的数学符号、公理体系和精确的计算与严密的推理。对称又包括有对称的图形、原理和对称的思维。除此之外，数学还有统一的数学方法和统一的数学结构。一个数学方程，一条数学定理，反应了一类事物之间质的共性；不同的数学方程，不同的数学定理，反映了不同事物之间质的差异性。不停地发现又不断地统一，为数学其中一种美所在。

（二）奇异美

人们提起数学的时候，通常会说“其妙的数学”，数学的学习和解题中也有一些非常规的奇妙的解法。关于数学的奇异性，讲一个蒲丰用投针求圆周率的近似值的试验也是数学方法奇异性的一个典型例子。有一天蒲丰邀请许多宾朋来家做了一个奇特的实验。他事先在白纸上画好了一条条有等距离的平行线，将纸铺在桌上，又拿出一些质量匀称长度为平行线间距离之半的小针，请客人把针一根根随便仍到纸上，蒲丰则在一旁计数，结果共投2212次，其中与任意平行线相交的有704次，蒲丰又做了一简单的除法，然后他宣布这就是圆周率的近似值，还说投的次数越多越精确。这个实验使人震惊，圆周率和一个表面看来毫不相干的随便投针实验沟通在一起。然而，这确实是有理论根据的。计算圆周率的这一方法新颖、奇妙而让人叫绝，充分显示了数学方法的奇异美。另外，四元数理论、突变理论、非欧几何等等无不显示出数学的奇异美。

神秘的东西都带有某种奇异的色彩，使人产生幻想和揭示其奥妙的欲望。某些数学对象的本质在没有充分暴露之前，往往会使人产生神秘或不可思议感。这便是数学的奇异之美。

还有一个是知识的奇异美。它值所得的结果的新颖奇特，出人意料。七巧板拼图是小学数学课常采用的内容。用七块板可以拼成一个最简单的正方形，也可以拼出千变万化的复杂图案：如人形、鸟兽、花草、房屋等。通过七巧板拼图练习，学生感到图案之多，出人意料；图形之美，妙趣横生。

有趣的数学知识，不仅能让学生感受到不同的美，而且利用数学的奇妙还能装扮人们的生活。比如：搞服装设计，如果拥有黄金分割的知识，就会感觉自己的设计很舒服。数学知识的奇异美体现在生活的各个方面。

（三）方法美

数学同其他各门科学一样，在其发展的进程中，形成了一套有效的思想方法，而且还在不断地产生新的思想方法。可以说，数学思想方法是数学的灵魂。历史表明，一个重大数学成果的取得，往往与数学思想方法的突破分不开。历史表明，数学的发展，不仅表现为量的积累，而且还表现为质的飞跃。数学思想方法在历史上经历了五次重大转折：从算数到代数，从常量数学到变量数学，从必然数学到或然数学，从明晰数学到模糊数学，从小数据到大数据。举几个关于方法美的例子：自然数的个数是无限的：1、2、3、4、„„奇数的个数是无限的1、3、5„„人们采用“一一对应’的数学方法：神奇地发现自然数列与奇数列还有如下关系：1、2、3、4、„„把一个圆形，分割成8份、16份、32份，相等的近似的三角形拼摆后，圆形神奇地转化成近似的长方形，所分的份数越多，所拼得图形越接近于长方形。曲与直的这种转化，在生活中可以找到它的活生生的典型”砌墙用的一块块方砖面是长方形，可以砌成横断面是圆形的烟囱；把用方砖砌成的横断面是圆形的烟囱拆开，又可以得到一块块的面是长方形的方砖。

参考文献：

（1）《大学文科数学》（2）《数学之美 》

第四篇：《数学之美》读后感：数学的艺术

数学的艺术

——《数学之美》读后感

-张小镛

这本书一共31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。

第五篇：数学之美读后感（共）

数学之美读后感（一）

看到吴军的另一本书《数学之美》，激起了很深的兴趣，所以很快把书看完了，普及了很多基础的知识的同时也启发了很多想法，感觉很爽。

我自己在交大学的是工科（虽然没怎么上过课），小学、初中、高中都是一路参加数学竞赛，名次都还不错，也因此没有参加中考、高考，一路保送，自己对数学有很深的感情，同时女朋友大学也是数学系，有点后悔的大学选了个并不感兴趣的专业（交大当时允许我随便选专业，我没有跟父母商量自己选了船舶制造）。看这本书的过程中找到了很多高中在看竞赛书的感觉，里面提到的很多概率论（不等式）、图论、数论的知识是高中数学联赛复试的重点，高中的时候已经研究的很深了，不过大学荒废了之后也忘得差不多了，书中提到的很多定理还很有亲切感

书名叫做《数学之美》，显得有些太大，毕竟更多的是吴军在google做搜索相关工作用到的数学模型的介绍与总结，提到的数学部分大多集中在概率论、图论、数论领域，所以书名太大了，可能hax说得对，也许是出版社为了卖书取得名字

不得不说吴军是一个大家，文字中能够透露出大家的气势，书中不断的穿插着各种历史上的大科学家以及科技领域的大家的小故事甚至八卦，从文字中非常能够感受到吴军是一个和他们一个层次的人（即使他自己会自谦说是一个二流的工程师之类）

书中具体的模型就不介绍了，说几点我学到的知识（仅仅皮毛），能列出来的都是看完还有点印象的：

1.在互联网的世界中，信息是如何量化的，信息熵是怎么回事？有啥用？

2.搜索领域中，语言是如何统计的，尤其是如何通过概率模型进行分词

3.搜索引擎是如何工作的—网络爬虫是怎么回事儿

4.PageRank是怎么回事？为了解决什么问题？

5.密码与解密领域的数学模型，尤其提到的二战时候的各种解密的趣事儿，提到的电视剧《暗算》打算抽空看下

6.拼音输入法的数学模型

7.、文本自动分类的模型

……

看完之后最大的感受就是：

1.数学模型巨大作用，推动着新技术的发展

2.攻城师是一个伟大的职业，能够运用这些知识转化为生产力，非常牛叉

3.书中提到了很多数学模型都是在不断的进化、改良、升级，也就是说有人不断的在做优化，会有不断更好的模型、更新的技术出现，跟得上技术的发展可能也是比较重要的，否则很多人一直在做某一点上的持续优化就没有意义了。

但同时技术很大的作用是用来解决实际问题的，书中提到的各个数学模型、各种方法都是为了解决人们的需求或者业务的需求，毕竟公司不是科学研究所，所以追求通过技术直接解决用户需求或者做成易用的工具给业务人员、运营人员来间接解决用户需求是挺重要的，可能不是技术人员觉得做到80分就可以了，而是用户、使用工具的人觉得做到80分是一个重要的衡量

提到工具，想到赵赵说过的一句话：不好用就等于没有，可能就是这个点，同时运用工具的人必须好好的运用，如果用不好甚至不用就太对不起技术了。

数学之美读后感（二）

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。

数学之美读后感（三）

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、腐败当道、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。