文档介绍：
《数学之美》读书笔记
《数学之美》读书笔记
当细致品读一部作品后，你心中有什么感想呢？现在就让我们写一篇走心的读书笔记吧。你想好怎么写读书笔记了吗？以下是我为大家收集的《数学之美》读书、翻译，还有密码学领域，有着很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。
在搜寻中，一些相关性的计算，无不用到了概率的学问。在新闻分类中，用到了一些有关矩阵特征值、相像对角化的学问。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，所以就想随意找几本书看一下，但最好别是那种太艰深晦涩的书。8月份始终到现在，吴军写的这本12年5月出版的《数学之美》始终盘踞京东、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。心想市场的力气应当能帮我挑出好书吧，于是就从图书馆借了一原来，始终到今日晚上把它给看完了。
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：假如你不厌烦数学的话，剧烈举荐这本书，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，所面对的是接受过一般高等教化的人，完全不须要在特定领域有很深的造诣就可以看懂，也许懂一点线性代数、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困难的原理用简明的语言表达出来，所以可读性还是很好的。
吴军是清华高校毕业的，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。由于吴军本人是探讨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阻碍全书数学之美的呈现……感觉收获还是挺多的，学问上的有一些，但更多还是思维方式上的。作者举了许多例子试图让人明白许多看似困难的高科技背后，基本原理其实是出乎意料简洁的(当然，必需承认第一个想到这些方法的人还是特别了不得的……)。比如高精确率的机器翻译，看上去似乎是计算机能够理解各国语言，隐藏在背后的却是许多具有高校理科学历的人都特别清晰的统计模型和概率模型;再比如拼音输入法的数学原理，早期的探讨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，而现今真正好用的输入法却是有许多信息冗余、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洁的阐述;又比如新闻的自动分类，很多非IT领域的人可能会认为计算机可以读懂新闻并进行分类，而事实上只是特征向量的抽取、多维空间中向量夹角的计算，特别特别简洁，但凡学过一点线性代数的人肯定是一看就懂的……当然，完备的实现还须要考虑许多细微环节和现实的状况，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。
除了对于详细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，特殊是把这些人的成长经验和中国学生的成长经验作对比。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化以及许多中国企业的指责，一是教化的功利性，缺乏宽松的独立思索的环境，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探讨成果。
总结