（首先表示一下我對作者timothy gowers的瞻仰之情）
大概用一周的時間（7h？）精讀（相對較精）了這本書，雖然整體上沒有「豁然開朗」的感覺，但也藉此對「數學」有了較完整的認識。
以下是我在讀完後回顧全書的一點收穫。
本書的主要觀點基本在（序、前言）前三章闡明：
模型數學是建立模型、研究模型的學問。
建立模型需要在「精度」的限制下對物件的各種屬性進行取捨。
而數學中的「近似」可以理解為對難以精確考察的數學模型建模。（巢狀？）
數與抽象
數學的研究物件是元素遵守的規則（內涵？），而不是元素的（哲學）本質、物理意義等（外延？）。
如此「抽象」地思考，便可以獲得更深、更廣的認識：
深：更接近數學概念的原意；
廣：可以將已有概念進行推廣。
證明數學證明只關乎由公理推出結論的過程，而無關公理的正確性。
後四章則在**具體命題的同時，進一步闡釋以上觀點
極限與無窮
本質是邏輯自洽的近似
維度本質是座標下二維、三維的推廣。是乙個由性質到性質的過程。使用抽象的思維方式，不涉及「實在」。
幾何從歐氏幾何到非歐幾何。
其推廣過程使用「抽象」的思考方式。
回顧時，將平面幾何，理解為巨大曲面的區域性，認為近似平坦。
估計與近似
顯然，這也是關於模型中的「精度」的**。
個人認為，本書沒有嘗試回答「數學是什麼」（正如richard courant和herbert robbins在《什麼是數學》中提到的：「唯一能回答『什麼是數學』這個問題的，不是哲學而是數學本身的活生生的經驗。」），而是在框定「數學不是什麼」（尤其是努力將數學與哲學的界限辨明），給讀者排除一些錯誤的探索方向。
［對於「數學模型」，我有乙個自以為還不錯的解釋：
比如你現在在閱讀這段文字，映入眼簾的是乙個畫面，畫面中包含了極複雜、極龐大的資訊（亮度、字型大小、字的形態、背景顏色、字的排列、語病……），以至於遠遠超出了人腦的處理能力範圍，所以，你摒棄了其他的「不重要的」（完全取決與你的目的/關注點）資訊，只擷取了「文意」這乙個關鍵資訊。——這便是乙個「抽象」的過程。］
數學之美讀後感
統計語言模型 馬爾可夫鏈，模型訓練，零概率平滑 隱馬爾可夫鏈 概率訓練，鮑姆 韋爾奇演算法 資訊度量和作用 資訊熵，互資訊，聯合概率分布 相對熵 簡單之美 布林袋鼠和搜尋引擎的索引 文獻搜尋 圖論和網路爬蟲 最短路徑，網路爬蟲，雜湊表，工程要點 dfs，bfs，頁面分析和url提取，url表 pag...
《數學之美》讀後感
暑假的時候導師給我推薦了一本 數學之美 作為語音識別入門性的讀物。實話說來從小學到高中再到大學我們一直在學習數學，除了一些基本的加減乘除可以在生活中直接用到。其他的例如 倒數 微積分 各種函式 矩陣 幾乎在日常的生活中與自己沒有什麼交集。最近這個週末我在實驗室裡又將這本書重新閱讀了一筆，才發現數學原...
《數學之美》讀後感
近日拜讀了吳軍博士的 數學之美 感觸很深。對於我個人來說，這本書給我的最大驚喜就是吳軍博士將數學理論與他在實際工業界中的作用聯絡起來，看過我之前一些博文的可能發現，我自己最近在學習機器學習，但學習機器學習有個問題就是理論高深，枯燥，而且在學習的過程中比較難以落地，不知道自己學習的東西究竟在 發揮作用...