读《数学之美》有感

写在前面

书名：数学之美

作者：吴军

来源：本部图书馆

阅读用时：11月27日拿到书，12月10日读完，所以质量不高；6次看完，之前是零碎时间看的，最后两次拿出大块时间来阅读，

 

正文：

　　好像一辈子没写过几次读后感，这，算一篇，就简单说一下，并没有多少干货内容，

　　因为最近比较浮躁，想找本书清心下，遂跑到本部图书馆去借了一本《数学之美》，因为之前和师姐讨论过这本书，师姐给的评价挺高的，而且网上的推荐也不少，所以找来看一下，

　　就像作者自己介绍这本书时候说的，这本书并没有将很多细节的知识点，总体上来看更像是普及性的知识介绍，虽然里面详细介绍了信息理论、PageRank算法和最大熵模型等算法，但是并没有讲解非常详细，至少我是没全部看懂，也可能和我自己的理解力有关吧。这本书更适合大一入学和研一入学时作为涉猎和综述去看，可以通过本书快速了解一些基本情况，然后根据兴趣再去看其他深入的材料。

　　书中的整体体现的两个思想是简单（即奥卡姆剃刀定律）和目标为导向。书中举例并介绍一些科学家的行事作风来解释工业界需要的解决方案的思路是“先跑起来，再快起来”，这种理念和学术界还是有很大区别的。其中介绍了作者在Google时设计分类器等工作，领导也提倡先“跑起来”，因为这样能快速取得80%的效益，而如果一味追求100%的效益，是得不偿失的，而且也可能因为时间的延长失去用户。还有其他一些例子说明这个思想。另外一个就是目标为主导，做好计划，减少在多个项目之间切换，关注任务的目标，灵活处理遇到的问题，避免事倍功半。

　　人物传记，书中提到了很多人物，其中包括贾里尼克及其弟子和马库斯及其弟子。其中第七章里对贾里尼克的介绍，让人读了真的会觉得受益匪浅，无论是学术态度，工作态度还是终身学习的学习态度，都值得让人学习。说到终身学习，贾里尼克教授生前的最后一秒是在工作台上度过的，很多人都会说要活到老学到老，但是这位德高望重的老先生真的做到了，令人佩服。

　　大数据，云及其相关应用。这一部分好像是第二版里新加上的部分，作者结合Google的目前在大数据方面取得的成果，和Google Brain的应用，谈了很多大数据的内容，包含什么是大数据，一些误区和错误观念的解答，还有一些经典案例，这些案例从不同角度说明了大数据的能量巨大，而且也是未来的数据驱动力方向的趋势，

 

　　最后说，书里面介绍了很多有用的知识，可以扩展知识面，可能不太适合已经有一些研究进展的同学，而且书的内容偏向NLP和Search，但是书中提到的各种方法论还是非常值得思考和学习的，

 

时间戳：2016-12-11 15:21:45

 

附上笔记内容：页码——相关内容

　　P13　　任何语言都有语法规则覆盖不到的地方，有例外或不精确性，

　　P14　　语言是对的，而语法不一定对，

　　P18　　因为人就是这样做的，就是这样简单，

 　  P28　　判断文字序列是否合乎文法，含义是否正确，走不通，

　　P57　　转移概率和生成概率（HMM）

　　P61,62香浓信息熵，变量不确定性越大，熵也就越大

　　P65　　条件熵

　　P66　　互信息定义

　　P68　　相对熵/交叉熵：衡量两个取值为证书的函数相似性

　　P108　　TF-IDF

　　P113　　有限状态机

　　P114　　基于概率有限状态机

　　P138　　SVD所得三个矩阵的物理含义，

　　P170　　权威度&提及的实现

　　P198　　LDC标准语料库（中文）

　　P215　　Bayes & MC & EM

　　P219　　括号遍历算法思想