序言1
序言2
前言
第1章 文字和语言 vs 数字和信息
第2章 自然语言处理 — 从规则到统计
第3章 统计语言模型
第4章 谈谈中文分词
第5章 隐含马尔可夫模
第6章 信息的度量和作用
第7章 贾里尼克和现代语言处理
第8章 简单之美 — 布尔代数和搜索引擎的索引
第9章 图论和网络爬虫
第10章 PageRank — Google的民主表决式网页排名技术
第11章 如何确定网页和查询的相关性
第12章 地图和本地搜索的最基本技术 — 有限状态机和动态规划
第13章 Google AK-47的设计者 — 阿米特 · 辛格博士
第14章 余弦定理和新闻的分类
第15章 矩阵运算和文本处理中的两个分类问题
第16章 信息指纹及其应用
第17章 由电视剧《暗算》所想到的 — 谈谈密码学的数学原理
第18章 闪光的不一定是金子 — 谈谈搜索引擎反作弊问题
第19章 谈谈数学模型的重要性
第20章 不要把鸡蛋放到一个篮子里 — 谈谈最大熵模型
第21章 拼音输入法的数学原理
第22章 自然语言处理的教父马库斯和他的优秀弟子们
第23章 布隆过滤器
第24章 马尔可夫链的扩展 — 贝叶斯网络
第25章 条件随机场和句法分析
第26章 维特比和他的维特比算法
第27章 再谈文本自动分类问题 — 期望最大化算法
第28章 逻辑回归和搜索广告
第29章 各个击破算法和Google云计算的基础
附录
后记
索引
· · · · · · (收起)
具体描述
几年前，“数学之美”系列文章原刊载于谷歌黑板报，获得上百万次点击，得到读者高度评价。读者说，读了“数学之美”，才发现大学时学的数学知识，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣。
今年，作者吴军博士几乎把所有文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。
用户评价
##我这样没文化居然都读的懂，“深入浅出”名不虚传，很受益，很好的科普读物。
评分##这书既不数学也不美。讲的是信息论和离散数学的思想在自然语言处理，搜索等领域的应用。作者只是点到为止讲的极为粗浅。不过呢，这书的确开阔了一些视野，所以可以当消遣看看。
评分##好看！名为数学之美，实为信息技术（自然语言处理）中的数学原理（统计语言模型）之美。更深刻地理解了大学所学的线性代数、概率论与数理统计和应该学而没学的随机过程、图论、机器学习的应用意义。原来新闻分类的原理是高中学的余弦定理，地图搜索的动态规划和拼音输入法的最大熵模型，其实也是殊途同归。还有期望最大化算法和迭代，无处不在的逻辑回归。大道至简，读完之后觉得视野和思路都清晰了许多。把简明科普和背景延伸分开，非常人性化的写作，不过相比《浪潮之巅》，作者自吹的口吻略多，白璧微瑕。
评分##数学美不美取决于小学数学老师凶不凶
评分##似乎称为《数学建模之美》或者《自然语言处理之美》更为妥当些。
评分##看懂一半，另外一半不明觉厉。
评分##念大学的时候能遇到这样的书就好了。。。
评分##念大学的时候能遇到这样的书就好了。。。
评分##数学之美：把生活中遇到的复杂的、摸不着头脑的问题，以简单清晰，直观有效的模型或者公式解答出来。我们可能过于注意生活中的种种现象，以及过于追求理论逻辑的演绎。往往忽略了培养二者之间建立联系的过程，而这，也是大部分问题的主要根源。如何解决这个困难？我想，唯有实践与时间了。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.teaonline.club All Rights Reserved. 图书大百科 版权所有