在阅读时我们能够全身心的进入书中的那个世界，是一件非常幸福的事情！我们在生活中可以多多去读一些经典书籍作品，在阅读过一篇书籍后内心肯定有属于自己的感悟，为了充分回味作品这个作品，就可以好好写一篇读后感。一篇优秀的作品读后感是怎么样写的呢？下面是小编为大家精心推荐的“「读书有感」数学之美读后感450字(1000字)”，赶紧看看对您有没有帮助吧，喜欢请收藏哦！

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

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：

经过收集，小编为您献上读后感数学之美。我们常常会因为书中跌宕起伏的故事情节或者发人深省的哲思被吸引，作者笔下的作品，让我印象深刻。写下心里的感受吧，别让那些闪烁着的思想光芒无处安放。供有需要的朋友参考借鉴，希望可以帮助到你！

《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

读数学之美有感（一）

大道至简

文/王宝龙

数学，是研究数量、结构、变化、空间以及信息等概念的一门学科。数学不仅是人类最早开创的自然学科，同时也是我们每个人学习最早、历时最长的知识。我们从牙牙学语时就开始学习数数，然后小学初中高中直到大学还在学习数学。作为一个数学困难户，至今尤对大学数学的考试心有余悸，真可谓是“数学虐我千百遍，我待数学如初恋”。前段时间网络上出现一个关于“高考取消数学”的调查，超过七成的网友投票赞成取消数学，大部分人认为除了数钱，平常根本用不到数学。那么数学真的是阳春白雪，与我们的日常生活完全无关，只能用来数钱吗？读完《数学之美》，你一定会有更多的感触。

如果大家关注手机制造商，一定听说过罗永浩的锤子手机，锤子手机成立五年，虽然销量一般，但是每年的发布会都看点颇多，罗老师旁征博引妙语连珠也不失为一种乐趣。去年的发布会上，老罗展示了一项合作伙伴的黑科技——科大讯飞的语音输入法。老罗快速地说出一段话，话音刚落，讯飞输入法已将语音转化成了汉字显示在屏幕上，面对老罗的浓重东北口音，正确率100%，还有标点符号。演示现场，观众掌声雷动，第二天，科大讯飞的股票应声大涨。

那么如此神奇的语音识别是如何实现的呢？《数学之美》为我们提供了寻找答案的思路。首先对问题进行抽象，所谓语音识别，就是听话的人去猜测说话者要表达的意思，假设我们听到的声音是o1，o2，o3......，我们如何推测说话者说出的单词s1，s2，s3......呢？用概率论的语言描述，就是在已知o1，o2，o3......的情况下，找出最大概率的单词串组合s1，s2，s3......。复杂的语音识别问题被抽象成了简单的概率问题，问题的答案也呼之欲出，随机数学中的隐含马尔可夫模型——马尔可夫链的升级版。最后，为了提高识别率，科学家利用大量语料进行训练，最终达成了前文所述的成就。

精炼的问题抽象+数学模型定义+结果优化，科学家们解决问题的方式是如此优美。现在，语音识别不仅应用在输入法中，siri、微软小娜、甚至一些家电、汽车上都有语音识别，语音识别已经彻底改变了我们的生活。

除了语音识别问题，《数学之美》还介绍了多种互联网难题的数学背景。例如，通过统计模型解决中文分词问题；利用图论遍历问题构建互联网网络爬虫应用；根据网页链接数量得出网页权重进而归纳出pagerank（网页排名）算法，建立google搜

以下是小编为大家整理的关于《数学之美》读后感范文，仅供大家参考，希望能够帮助到大家！

《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（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

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。

书籍可以让我们静心。当我们从作者写的作品获得感悟之后，需要好好的就所收获的东西写一篇读后感。我们如何借鉴作品的优秀读后感呢？读后感大全小编特意为大家收集整理了“读后感数学之美”，欢迎阅读，希望大家能够喜欢！

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

在这纷争的红尘中，在这喧嚣的人世间，诗词犹如一位世外，出淤泥而不染，濯清涟而不妖点缀生命之美。唐人之豪放不羁、宋人之灵秀内敛，全然显露在诗词中。

喜欢李白诗中的人生得意须尽欢，莫使金樽空对月。虽说是借酒消愁，以醉求乐，但这何尝不是件好事呢？把酒言欢，忘去世间一切，哪怕天子呼来亦不上船，自称臣是酒中仙啊！可是抽刀断水水更流，举杯消愁愁更愁。酒醉亦是可以忘却一切，可是醒来后又该如何啊！李白纵然可以用酒麻痹自己，可终究逃脱不了这尘世中的一切渴望自由、渴望个性解放的李白这一生都只能把自己所有的期盼给予诗中罢了！青冥浩荡不见底，日月照耀金银台。霓为衣兮风为马，云之君兮纷纷而来下。虎鼓瑟兮鸾回车，仙之人兮列如麻。这般没有权贵、没有黑暗统治的神仙世界恐怕只能在李白的想象中存在。

李白豪放不羁，他的诗更是继承了屈原的浪漫主义的创作方法，可宋词又有那般逊色于唐诗？在那个北宋缺将南宋缺相的宋朝，文人才子代代出，婉约派的柳永、晏殊、李清照、，豪放派的苏轼、辛弃疾。哪一个在文学史上不是大名鼎鼎，如雷贯耳啊！

李清照《醉花阴》中的莫道不消魂，帘卷西风，人比黄花瘦。竟让在莱州担任知府的丈夫起来一较高下之心，他闭门谢客，不吃饭不睡觉，三天写了五十首词，再将妻子的那首《醉花阴》混在其中，交给文友陆德夫来评价，谁知文友一看既只对李清照那句人比黄花瘦拍手称号，认为这句中相思之苦，忧愁之深可以成千古名句。这句评价果真灵验。

写到这里，不禁想问一下大家，大家知道三苏是哪三苏吗？相信喜欢文学的同学都知道吧！没错，三苏就是指苏洵、苏轼、苏辙，这三位都是宋朝大名鼎鼎的才子，而我要写的人物就是苏轼。苏轼在宋代是最为杰出的大文学家之一，他的诗、文、词、赋样样出色，是极富盛名的全能作家。可能是苏轼太过优秀了罢，连上天都嫉妒他，让他在那北宋变法时期出生。由于政见原因，苏轼既反对王安石比较激进的改革措施，也不同意废除已经施行的新法，因而受到支持旧法和新法的两方人马排斥，开始了他坎坷的仕途生涯。苏轼的词大都都豪放不羁。酒酣胸胆尚开张，鬓微霜，又何妨。持节云中，何日遣冯唐？会挽雕弓如满月，西北望，射天狼。在这首《江城子˙密州出猎》词中洋溢着报国杀敌的激情，大有宁为百夫长，胜作一书生的慷慨激昂。提到苏轼是豪放派的诗人，就不能不提他的代表作《念奴娇˙赤壁怀古》。这首词的开篇的大江东去，浪淘尽，千古风流人物就显得十分的与众不同，再

“知之者不如好之者，好之者不如乐之者。”书是钥匙，能开启智慧之门。经常读书的人会学会自我思考，从无序纷乱的世界理出头绪。在阅读过一篇文章后内心肯定有属于自己的感悟，有没有哪些优秀的读书心得可以作参考？下面是小编为大家精心整理的“实用读书心得：《数学之美》读后感七篇”，仅供参考，欢迎阅读。

《数学之美》读后感800字：

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，

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、10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