数学之美读后感范文简短一点
通过写读后感可以更好地记录自己的阅读历程和理解深度。在写读后感时,可以适当引用书中的语句、对话或描写,加强自己观点的支撑和论证。以下是小编为大家收集的读后感范文,仅供参考,希望能够给大家带来一些启发和灵感。通过阅读这些范文,我们可以学习借鉴一些写作技巧和结构安排,同时也可以了解到不同读者的不同感受和思考方式。读后感是一种交流和分享的方式,在阅读的过程中产生的情感和思考可以通过写作表达出来,让更多的人了解和感受到我们的思想和感受。希望大家都能写出一篇令人赞叹的读后感,共同感受阅读的魅力。
数学之美读后感范文简短篇一
重复的体力劳动已经被机器取代,重复的脑力劳动也将被ai取代。
目前的算法更多的是从统计学、概率论角度来执行,其算法依靠人为设定执行,今后ai的`介入,算法会趋于自我迭代、自我演化。
就整体而言机器的搜索、筛选、分析、逻辑推理等,都是基于当前情况最大概率决策。即通过算法计算下一步所有可能情况的概率分布,然后得出实现目标哪种决策成功概率最高,即为下一步的方案。
在这种环境下人最好的方式便是与机器合作,将资源分配到这些大概率事件上,当然也会有一部分人怀有赌徒心态,将资源,甚至全部资源分配到小概率事件上,幻想出现奇迹,而这件事就叫“创新”。
但“创新”才是真正的未来,因为从宇宙角度来看,人类诞生的几率不到万亿分之一,而这是多么伟大的奇迹,又是多么伟大的创新!
数学之美读后感范文简短篇二
看完这本书后,我发现我还真是低估了数学的作用,一个复杂的语言识别过程,用统计语言模型竟然用那么简单的数学模型就解决了,这对我的冲击很大。另一个对我影响比较大的就是余弦定理和新闻的分类。以前那些各种三角函数的变换、三角函数,各种向量,各种空间图形在我印象中就只能用于画设计图,或者搞空间物理化学等基础学科的应用上,想着“这种东西和计算机编程有什么关系?要计算角度,库里不都提供了吗?”,哪成想到改变一下思路,改变一下方法,就简单的把那么复杂的分裂问题给解决了。现在想想我当初想法还真是幼稚啊,可惜覆水难收,过去的时间已经回不来了,但至少我现在明白了数学的重要性,总能想办法弥补的。
不得不说国内的教科书还真是太死板了。很多书上,先不说没讲应用领域和这个能干吗,有些教科书连推导过程也没说明白。像我大学时候的那几本高代高数的教科书,在某一步关键的过程写一句“显而易见”,然后就莫名其妙的出现了结果,这让我们基础差的人情何以堪啊,更何况我问了那些数学好的,他们想推导出那一步也要想好久。后来换了一下同济大学版,发现同样的定理,同样的范围,就是理解起来容易了不少。果然好书和差一点的书差别真不少。所以我就在网上整理了一些好的数学书籍,等会儿x就贴到文后,以后慢慢补。
"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。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。”,然后吴军先生用搜索反作弊的例子漂亮的解释了这两种差别。我以前做过的项目里,如果出现没想过的情况,就加一个异常处理处理特殊情况,本来很简单的东西,愣是被我搞复杂了。现在想回来,那时候境界太低,连开始的本质和原理都没弄清楚,就埋头搞下去了,以后要多注意点。
我一向喜欢实用性强的方法和工具,在这书里我特别喜欢阿米特·辛格博士的那一章。吴军博士就用寥寥几页的描述中讲解了辛格博士的处理事情的方法和原则,先帮用户解决主要的问题,再决定要不要纠结在次要的部分上;要知道修改代码的所作所为,知其所以然;能用简单方法解决就用简单的,可读性很重要。
不过中间有两个部分没搞明白,最大熵模型和贝叶斯网络,没搞懂为什么能解决那些问题。贝叶斯网络还能稍微理解,少了马尔科夫链的线性约束,更自由;但最大熵模型真搞不懂为什么那么好用,以后继续研究。
总之这是一本很好的书,推荐大家读一下。
数学之美读后感范文简短篇三
在看吴军的《数学之美》之前,我并没有看过他写的《浪潮之巅》、《文明之光》等书,但是他主理的得到专栏《硅谷来信》已经听了很久,对吴军其人颇为了解——本硕毕业于清华大学,然后在约翰霍普金斯大学攻读博士,02年、先后在谷歌和腾讯任职,是著名的自然语言处理和搜索专家,现在主业是硅谷风险投资。他的专栏宣传标语是“像时代领航者一样思考”,吴军也确实具有“时代领航者”那样的视野和见识,除了专业领域之外,对于日常生活和学习、职业发展也有不俗的见解。
《数学之美》最初是吴军做谷歌研究员时,在谷歌黑板报上撰写的一系列文章。虽然谷歌黑板报的本意是让吴军从一个科学家的角度介绍一下谷歌的技术,但是他却更希望“让做工程的年轻人看到在信息技术行业做事情的正确方法”——因为吴军刚到谷歌时,发现谷歌早期的一些算法根本没有系统的模型和理论基础,而是用“凑”的方法解决问题,工程水平低下。国内这种情况就更加泛滥了。
后来,吴军又将这一系列博客几乎重写了一遍,写成了《数学之美》,希望它能向非it行业的从业人员普及一些it领域的数学知识,能成为茶余饭后消遣的科普读物。“世界上最好的学者总是有办法深入浅出地把大道理讲给外行听,而不是故弄玄虚地把简单的问题复杂化”,因此吴军尽力以伽莫夫(《从一到无穷大》作者)、霍金为榜样,力图将数学之美展示给所有普通读者。
由于我学习过概率论、数理统计、数据结构,整本书看下来,除了某些章节后的“延伸阅读”和马尔可夫链等内容外,其他都是可以看懂的。其实看不懂的部分主要是在用数学推理证明文中的论点,即使不看也不会影响阅读体验。
吴军在扉页讲道:“数学之美,首先在于其内容或许复杂而深奥,但形式常常很简单。同时,数学之美还在于数学原理的通用性和普遍性——数学上的一点突破,可以带动很多领域和行业的进步。”
我高中时曾因为数学的应用不明确而对其抱有偏见,直到大学接触到了数学建模。同样,这本书中讲到了许多数学在信息技术工程领域的应用,搭建了数学与应用之间的桥梁。
书中最令人印象深刻的例子就是通信。人与人之间的交流,也算是广义上的通信,因此通信与我们的生活息息相关。而数学在通信中的应用非常普遍,因为从电报、电话、电视到互联网,这些现代通信都遵从着信息论的规律,而整个信息论的基础就是数学。不仅如此,整个人类的自然语言和文字的起源背后,都受到数学规律的支配——因为数字和文字、自然语言一样,都是信息的载体;语言和数学产生的目的都是为了记录和传播信息。
一个典型的通信系统是这样的:发送者(人或者机器)发送信息时,需要采用一种能在媒体中(比如空气、电线)传播的信号,比如语音或者电话线的调制信号,这个过程是广义的编码。然后通过媒体传播到接收方,这个过程是信道传输。在接收方,接收者(人或者机器)根据事先约定好的方法,将这些信号还原成发送者的信息,这个过程是广义上的解码。
我们平时说话时,大脑就是一个信息源,声带、空气就是如电线、光缆般的信道,听众的耳朵就是接收器,而声音就是传送的信号。根据声学信号推测说话者的意思,就是语音识别。
语言实质上是一套编码、解码的规则。从字(字母)到词的构词法是词的编码规则,这套规则是完备的(有限且封闭的集合);从词到句的语法是语言的编码规则,这套规则是不完备的(无限和开放的集合)——任何语言都有语法覆盖不到的地方。
正是由于语法是不完备的规则,所以在自然语言处理的研究当中,基于规则的方法走向了一条死路。随着计算机性能和可用数据量的增加,基于统计的方法已经被广泛运用到自然语言处理中。书的第2章到第7章,围绕自然语言处理的统计学模型,讲述得深入浅出,而且对科学界的许多大师级人物和他们的贡献都做了介绍。
另一个绝妙的应用案例,是第14章《余弦定理和新闻的分类》。我们在高中都学过用余弦定理判断两个向量之间的夹角大小,然而不知道这样做有什么实际意义。如果当时我们的老师能举出文本分类作为例子,一定能让同学们兴奋不已。
如果由人来做新闻分类,人一定会先把文章读懂。但是计算机没有智能,根本读不懂新闻,它只拥有强大的计算能力。这就要求我们把文字组成的新闻变成一组可以计算的数字,然后设计一个算法,算出任意两篇新闻的相似性。
新闻传递信息,而词是信息的载体,“同一类新闻用词都是相似的,不同类的新闻用词各不相同”。当剔除掉“的、地、得”和“之乎者也”那样的助词和虚词之后,对新闻中剩下的实词,计算出每个词的出现频率(实际上更为复杂,因为只是一篇读书笔记,我就简化成“出现频率”了),再按照词在词汇表中出现的顺序,将这些频率值依次排列,就得到了这篇新闻的特征向量。
如果词汇表中的某个词在新闻中没有出现,对应的频率值为0。如果词汇表总共有64000个词,就会得到一个64000维的特征向量,向量中每一个维度的大小代表每个词对这篇新闻主题的贡献。新闻就这样,从文字变成了数字。
一篇10000字的文本,它的特征向量各个维度的数值普遍比一篇500字的文本要大,因此单纯比较各个维度的大小没有太大意义。但是,向量的方向却有很大的意义。如果两个向量的方向基本一致,说明它们的新闻用词比例基本一致。
因此,可以通过余弦定理计算两个特征向量之间的夹角,判断对应的新闻主题的接近程度。在真实的文本分类聚合过程中,需要自底向上不断合并,合并的过程中类别越来越少,而每个类越来越大。
另外值得一提的是,这项研究的动机很有意思。当时某个国际会议需要把提交上来的几百篇论文交给各个专家评审,把每个研究方向的论文交给这个方向最有权威的专家。作为会议程序委员会主席的雅让斯基教授为了偷懒,就想了这个将论文自动分类的方法,由他的学生弗洛里安很快实现了。
考虑到多次迭代的计算量,后文又介绍了矩阵奇异值分解的方法,将计算量缩小到1/6。
此外,书中还介绍了搜索引擎算法、拼音输入法等应用背后的数学模型。第19章《谈谈数学模型的重要性》中用托勒密的地心说模型(大圆套小圆)举例,讲:“正确的数学模型在科学和工程中至关重要,而发现正确模型的途径往往是曲折的。正确的模型在形式上通常是简单的。”
其实大多情况下,看书只是用来怡情、消遣的手段,和打牌、玩游戏本质上是一样的。读书的过程中经常会灵光乍现,这就是读书的乐趣。
数学之美读后感范文简短篇四
人们发现真理的形式上从来都是简单的,而不是复杂和含混的。
——牛顿。
自小就学数学的我,并不觉得它是美好的。于我而言,数学就像紧箍咒一样,不能提,一提。就头疼。
而看了吴军博士所写的《数学之美》后,我对数学的感觉,从以前的被动获取和勉强学习,变成了强烈热爱和主动积极的学习。这原因就在于我发现了它的价值,它的一枝独秀,不可或缺的地位,数学的博大精深和对其相关的各类事业的发展的价值已使我深深陶醉其中。这本书中有很多复杂且长的公式,但这并不妨碍大众的阅读,因为它并非在于让你了解更多it领域的知识,而是用了大量篇幅介绍各个领域的典故,让我们感受数学思维。这就像李欣教授所说:“成为一个领域的大师有其偶然性,但更有其必然性。其必然性就是大师们的思维方法。”
英国哲学家弗朗西斯·培根在《论美德》这篇文章中讲:“美德就如同华贵的宝石,在朴素的衬托下最显华丽。”数学的美妙,也恰恰在于一个好的思维,好的方法。
在《数学之美》十四章,我被它的标题吸引到了。“余弦定理和新闻的分类”,这俩看似八竿子打不着。却有着紧密的联系。可以说,新闻的分类很大程度上依赖的是余弦定理。我们都知道,计算机处理一个问题是让他去算,而不是像人类一样理解了它,再去解决。而科学家们遇到这个问题,却用了另一种思维,他们把文字的新闻变成一组可计算的数字,然后再设计一个算法来算出任意两篇新闻的相似性。稍详细一些就是:对于一篇新闻中的所有实词。计算出它们的tf-idf值,再把这些值按照其在对应词汇表的位置依次排列就得到一个向量,这即新闻的特征向量。这时,就可以通过计算两个向量夹角来判断对应的新闻主题的接近程度,这也就要用到余弦定理了。我在必修五数学书上学到余弦定理时,很难想象它可以用来对新闻进行分类。在这里我又一次看到了数学工具的用途。
在书中,我也了解到了数学的发展实际上是不断的抽象和概括的过程。这些抽象了的方法看似离生活越来越远,但他们最终能找到应用的地方,布尔代数便是如此。
布尔代数的简单不能再简单了。运算的元素只有两个0和1,基本的运算只有“与”、“或”和“非”。几乎就是我们现在所学的“判断命题真假”。在布尔代数提出后的80多年里,他确实没有什么像样的应用。直到1938年香农在他的硕士论文中指出,布尔代数来实现开关电路。才使得布尔代数成为数字电路的基础。正是依靠这一点,人类用一个个开关电路最终“搭出”电子计算机。
这些,都能体现作者“简单即是美”的思想。他在书中也写道:“数学的精彩之处就在于简单的模型可以干大事。”这些,也都是我从未感受到过的。并且,在这本书中,作者也用了不少篇幅来介绍通信领域的世界级专家,让我对真正的世界级学者有更多的了解和理解,比如贾里尼克,googleak-47的设计者——阿米特·辛格博士,自然语言处理的教父米奇·马库斯等等。
爱因斯坦说过:“从希腊哲学到现代物理学的整个科学史中。不断有人力图地表面上极为复杂的自然现象归结为几个简单的基本概念和关系,这就是整个自然哲学的基本原理。”这本书把数学在it领域的美丽予以了精彩表达,我也知道,把一件复杂的事用简单的语言表达出来,并非易事,这应该也是各界人士都对这本书予以好评的原因吧。
当然,我也明白,欣赏美不是终极目的,更值得我们追求的是创造美境界。
还有,希望未来的自己,无论生活好与坏,都能少一点浮躁,多一点踏实和对自然科学本质的好奇求知。
数学之美读后感范文简短篇五
1,知识要学以致用。上学的时候学习概率论、运筹学这些学科,只是单纯的认为是数学知识。读过这本书才发现,原来我们日常用到的搜索、语音识别、文章分类这些功能的背后,都是数学知识在起作用。
如果读书的时候就知道这些,学习会更有目的性。结合应用情况,也能更好的理解这些概念。
2,一项技术如果注定要被淘汰,那么从现在就放弃它。从统计学的角度解决机器翻译的方法,明显优于从语法结构角度起手的方法。但是还是有很多学者钻研后者,最后白白浪费了自己多年的时间。
一个公司更应该如此。后面读《浪潮之巅》看到雅虎为了避免文章分类出错,竟然采用人工分类的方法。看到的时候,很难想象这是一家互联网公司能做出来的事情。
数学之美读后感范文简短篇六
看完《浪潮之巅》,了解了硅谷很多公司尤其是互联网公司的沉浮,对吴军的书就非常感兴趣,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。
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,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?
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。
数学之美读后感范文简短篇七
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。
数学之美读后感范文简短篇八
看完《浪潮之巅》,了解了硅谷很多公司尤其是互联网公司的沉浮,对吴军的书就非常感兴趣,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,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)。
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。
书中具体的模型就不介绍了,说几点我学到的知识,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?
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。