数字辑凶：美剧中的数学破案 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 基思·德夫林，加里·洛登 著，陆继宗 译

图书标签:

• 美剧
• 数学
• 犯罪
• 推理
• 破案
• 数字
• 悬疑
• 流行文化
• 影视分析
• 科普

出版社： 上海科技教育出版社

ISBN：9787542851451

版次：1

商品编码：10691115

包装：平装

开本：16开

出版时间：2011-06-01

用纸：胶版纸

页数：271

内容简介

　　《数字辑凶：美剧中的数学破案》以哥伦比亚广播公司的黄金档热播刑侦电视连续剧《数字追凶》为话题，基思·德夫林（在空中谈话节目《周末》中被广大听众称为“数学伙计”）和加里·洛登（《数字追凶》的首席数学顾问）联袂合作，解释了现实生活中美国联邦调查局特工和其他执法机构如何使用数学工具来抓捕和指控罪犯。从法医学到反恐，从黎曼猜想到图像增强技术，德夫林和洛登通过极具说服力的案件，展示了当代数学在罪案侦查中发挥的重要作用。
　　在《数字辑凶：美剧中的数学破案》中，你将发现数学能用于，而且已经用于与现实犯罪作斗争并抓获了真正的罪犯。

作者简介

基思？德夫林（Keith Devlin，1947―）是美国加利福尼亚州莫拉加市圣玛丽学院科学系主任，斯坦福大学语言与信息研究中心高级研究员，美国科学院数学科学教育委员会委员，世界经济论坛成员，美国科学促进会成员，美国全国公共电台数学普及节目主持人。他是22本书的作者，其中包括《数字化的生命》（Life by the Numbers）、《数学：模式的科学》（Mathematics：The Science of Patterns）与《千年难题》（The Millennium Problems）等。加里？洛登(Gary Lorden)，美国加州理工学院数学系教授。哥伦比亚广播公司电视连续剧《数字追凶》首席数学顾问。

精彩书评

　　我们每天都在使用数学，预报天气、查看时间，还有……数钱。数学绝不仅仅只是方程和公式，它是逻辑的，是有理的，它使人们通过思考来解决所面临的各式谜题。
　　——网络评论

目录

1．寻找热区——犯罪的地理分析技术
2．使用统计101与犯罪作斗争
3．数据挖掘——在大量的信息中找出有意义的模式
4．字迹什么时候第一次出现在墙上——改变点检测
5．图像的增强和重构
6．预言未来——贝叶斯推理
7．DNA图谱分析
8．密码——编码与解码
9．证据有多可靠——对指纹的怀疑
10．点间连接——网络的数学
11．囚徒困境、风险分析和反恐怖主义
12．法庭上的数学
13．赌场中的犯罪——用数学攻击系统
附录：《数字追凶》前三季剧情中的数学概要

精彩书摘

　　热区中的每一名嫌疑人都被有关DNA的证据刷清了嫌疑，侦查遭到了挫折。但是随即他们运气来了。侦查负责人麦克（Mac，全名McCullan Gallien）收到了一条匿名举报的信息，检举一名未必可能的犯罪嫌疑人——邻近机构的代理司法长官。由于这只是已获得的堆积如山的举报信息中的又一条，麦克倾向于仅把它归档了事，但是一时兴起的他决定查一下这个代理司法长官的地址。结果甚至连靠近热区都谈不上。不过他仍然感到有什么在牵引着他，他又深入挖掘了一下。这次他中了“头奖”。这个代理司法长官以前居住在另一个地方——就在热区中！从一个香烟头收集来的DNA证据与从犯罪现场采集来的相符合。此人被逮捕了，罗斯莫则迅速成为犯罪侦查圈内的著名人物。
　　有趣的是，当霍顿和法拉奇基于真实案例编写《数字追凶》试播集的剧本时，他们不可抗拒地在结尾处把同样戏剧性的曲折编写了进去。当查利第一次使用他的公式时在热区的嫌疑人中也没有发现相符的DNA，就像罗斯莫的公式在拉斐特发生的那样。查利坚定地相信他的数学分析，所以当丹告诉他搜索的结果为零时，一开始他拒绝接受这一结果。“你们一定把他漏掉了。”他说。
　　遭到挫折心情不佳，查理和丹聚在他们父亲艾伦的屋子里交谈，艾伦说，“我知道不是数学的问题，查利。一定是其他问题。”这一提醒促使丹认识到寻找杀手的住所可能是个错误的目标。“如果试图在我住的地方找到我，你可能会失败，因为我几乎从不住在那里，”他提示说。“我一直在工作。”查利抓住这条提示设计了一条不同的进攻路线，通过修改他的计算来寻找两个热区，一个可能包含这个杀手的住所，而另一个是他的工作场所。这次查利的数学管用了。丹成功地确定了杀手的身份，并恰好在这个罪犯正要杀害另一个被害人之前抓住了他。
　　现在，罗斯莫的环境犯罪学研究公司提供专利产品计算机软件包Rigel，同时包括教他们如何使用它来有效地破案。罗斯莫自己则奔波于全世界，去亚洲、非洲、欧洲以及中东，协助刑事调查，给警察和犯罪学家上课。要熟练掌握这个程序以适用于一个特定罪犯的行为癖性，需要受罗斯莫或他的一名助手培训两年。
　　Rigel并不是每次都赢得很大的胜利。例如，罗斯莫也被请来参加侦破臭名昭著的环形路狙击手案，这是一起发生在2002年10月的3个星期里的案件，共有10人被杀，3人重伤，2名连环杀手在华盛顿特区和周边地区作下此案。罗斯莫得出的结论是狙击手的基地是在华盛顿北郊的某个地区，但后来证明这两个杀手并不居住在这一地区，他们迁移得太频繁了，因而用地理分析技术无法确定地点。
　　Rigel并不总是管用的事实，对于任何了解把数学应用子杂乱无章的人类现实世界时会发生些什么的人来说并不突然。许多人脱离他们的中学数学经验来思考，认为使用数学去解决问题时只有正确的或错误的两种方法——在许许多多情况下，老师的方法是正确的而他们自己用的则是错误的。但情况远非如此。当你在那些物理条件非常确定的情况下运用数学时，只要用得正确，数学总是能给你正确的答案，诸如计算一架喷气式客机从洛杉矶飞到纽约需要多少燃料。（那就是说，只要你给出有关机身、乘客和货物的总重量以及风力等准确数据，数学将给你正确的答案。如有一个关键数据被漏输进数学方程中，几乎总是会给出不正确的答案。）但是当你把数学用到诸如犯罪问题此类的社会问题时，很少能给出如此泾渭分明的结果。
　　建立那些捕捉某个实际活动的一些要素的方程组，叫构建一个“数学模型”。在构造某一事物的物理模型时，譬如说研究风洞中的一个飞行器，重要的是要得到包括尺寸大小、所用材料的各项真卖情况。而在构建一个数学模型时，要得到的是恰如其分的正确行为。例如，利用数学模型的天气预报要预报出下雨的日子为阴雨，有太阳的日子为晴天，这才是有用的。建立模型_的第一步通常是很艰巨的。用此模型去“做数学”——即求解组成此模型的方程组——一般来说要容易得多，特别是使用计算机的话。预报天气的数学模型常常出错，因为天气有太多的复杂情况（俗话说，“天有不测风云”）需要数学以很高的精度去捕捉。
　　正如我们将在以后的章节中看到的那样，在用数学解决现实世界中的问题时．特别是涉及人的那些问题，通常是没有“一条光明大道”的。当遇到《数字追凶》中查利面临的那些挑战——确定犯罪地点、跟踪疾病的扩散或假币的流动、预测恐怖分子选择的目标等等——的时候，一个数学家不能仅仅只是列出方程并解此方程。需要一种高超的技术，把信息和数据汇集拼凑起来，选择描写状态的数学变量，然后用一组方程来建立它的模型。即使当一名数学家已建立了一个模型，也还有如何去求解它的问题，是用近似计算。还是解析计算，还是计算机模拟。这个过程的每一步都要求有判断力和创造性。两个独立工作的数学家（不管他们是多么地优秀），如果他们确实能够给出有用的结果，这两个结果很可能不是完全一致的。
　　于是，毫不奇怪，在地理分析技术领域里，罗斯莫有竞争者。阿拉斯加大学司法中心的格罗弗·戈德温（Grover M．Godwin）博士，《猎捕连环掠夺者》一书的作者，开发了一个名叫Predator（掠夺者）的计算机软件包，使用数学统计中一个叫做多元分析的分支．通过分析犯罪地点，被害者最后在什么地方露面，尸体在什么地方发现等来确定一个连环杀手的居住地。内德·利文（Ned Levine），一名休斯敦地区的城市规划师，为国家司法研究所（美国司法部的一个研究部门）开发了一个名叫Crimestat的计算机程序。它使用被称为空间统计学的技术来分析连环犯罪数据，它也能用来帮助研究人员们理解诸如交通事故或疾病暴发的模型。还有英格兰利物浦大学的一名心理学教授和那里的侦查心理学中心主任戴维·坎特（DavidCanter），也开发了他自己的计算机程序Dragnet，并有时将此软件免费提供给研究人员。坎特指出，到目前为止，还没有任何人将各种用于确定连环犯罪案的计算机数学系统应用于同一个案例．从而进行面对面的比较。在一次采访中他还说，长久来看，他的程序和其他的程序会被证实至少和Rigel一样精确。
　　……

前言/序言

　　2005年1月23日，一部名为《数字追凶》的刑侦电视连续剧首播。这部由尼克·法拉奇夫妇和谢里尔·霍顿编写剧本的电视连续剧是派拉蒙电视网络公司（Palamount Network Television）拍摄的，好莱坞资深导演里德利·斯各特（Ridley Scott）和托尼·斯各特（TonyScott）的加盟使它赢得了广大观众的喝彩声，他们执导的电影有：《异形》、《壮志凌云》、《角斗士》等。自播出以来，《数字追凶》自然而然地击退了竞争对手成了星期五晚上该电视剧播出时段中的收视冠军。

　　使大家惊奇的是剧中两个英雄之一竟是一位数学家，而且许多行动涉及数学。查利·埃普斯作为一名教授，利用强有力的数学技巧帮助他的哥哥丹（一名联邦调查局特工）找出并抓住罪犯。许多电视剧观众以及有些评论家曾评论说，这些故事很具娱乐性，但基本前提很牵强：你不能简单地利用数学去破案。然而本书却证明，他们错了。你可以利用数学去破案，虽然并非对每一案例都可行，但执法机构常常能使数学成为在对犯罪无休止的战斗中的有力武器。事实上，正如我们将在下一章中讨论的，此连续剧的第一集就是以现实生活中的一个案例为基础的。

　　我们打算用非技术性的方式来描述目前对警察、中央情报局和联邦调查局有用的一些主要数学技巧。这些方法大部分已在《数字追凶》的剧本中被提及，在频繁地将我们的解释与播出的剧情相联系的同时，我们的注意力集中于这些数学技巧以及它们如何能被执法者所使用。另外我们也描述一些实际的案例，在这些案例中，数学对破案起了作用，虽然在电视剧中并没有运用过——至少没有直接运用。

　　在许多方面，《数字追凶》类似于一部优秀的科学小说．以正确的物理和化学知识为基础。每个星期，《数字追凶》播出一集情节跌宕的故事，在这个故事的叙述中实际可行的数学起了关键作用。《数字追凶》的制片人竭尽全力来确保剧中使用的数学知识是正确的，所演示的应用是可能的。虽然有些案例观众看来是虚构的；但它们确实发生了，而有些案例则是非常可能发生的。这部电视连续剧采用了某些戏剧性手法，但本书没有。在本书中，你将发现数学能用于，而且已经用于与现实犯罪作斗争并抓获了真正的罪犯。

《数字辑凶：美剧中的数学破案》 破译荧屏谜案，洞悉逻辑之美 你是否曾被《CSI》中精准的弹道分析所折服？是否曾惊叹于《神探阿蒙》里巧妙的概率计算？又是否曾对《数字搜查官》里层层递进的统计模型感到好奇？当悬疑、推理与紧张刺激的剧情交织，我们往往沉醉于侦探们缜密的思维和层出不穷的破案技巧。然而，在这场视觉盛宴背后，隐藏着一套更为深邃的逻辑体系——数学。 《数字辑凶：美剧中的数学破案》并非一本枯燥乏味的数学教科书，也并非简单罗列剧集梗概的影评集。它是一次深入荧屏犯罪现场的探索之旅，一次用数学语言解读精彩剧情的智力冒险。本书将带你走进那些让你拍案叫绝的美剧破案情节，剥开华丽的叙事外衣，揭示隐藏在其中的数学原理，让你在享受观影乐趣的同时，领略数学作为一门强大思维工具的魅力。 从概率到统计，从几何到算法：解析剧集中的数学密码 你或许会疑惑，那些看似遥不可及的数学概念，是如何在充满人性弱点和情感纠葛的犯罪故事中发挥至关重要的作用的？本书将以一种通俗易懂、引人入胜的方式，为你一一解答。 概率的阴影与统计的曙光： 在无数个案件中，犯罪嫌疑人的数量、出现地点、作案时间等信息，往往构成了概率计算的基础。我们将回顾那些经典的“巧合”和“非巧合”，解析罪犯行为的统计规律，例如： 蒙提霍尔问题（Monty Hall Problem）的变体： 当嫌疑人提供虚假线索，或者存在多个可能的选择时，概率是如何影响我们做出正确判断的？ 贝叶斯定理（Bayes' Theorem）的应用： 如何随着新证据的出现，不断修正我们对嫌疑人罪责的判断？从微小的线索到最终的定罪，贝叶斯定理在证据链的构建中扮演着怎样的角色？ 泊松分布（Poisson Distribution）与犯罪模式： 为什么某些类型的犯罪会在特定的时间和地点频繁发生？泊松分布如何帮助警方预测犯罪热点，优化警力部署？ 相关性与因果性： 并非所有同时出现的现象都存在因果关系。我们将学习如何辨别虚假的相关性，避免误导性的推断，就像剧中侦探们小心翼翼地排除干扰因素一样。 几何的精确与空间的丈量： 犯罪现场往往是三维空间的舞台，而几何学则是理解空间关系、分析物体运动轨迹的利器。 弹道轨迹的数学模型： 子弹是如何飞行？枪击发生时的角度、速度和距离，如何通过数学计算还原现场真相？我们将解析那些精密的弹道分析，了解几何学如何成为“无声的证人”。 三维重建与虚拟现实： 现代科技如何利用几何原理，将二维的线索转化为逼真的三维犯罪现场模型？从骨骼碎片到建筑结构，几何学在还原过去的事件中发挥着怎样的作用？ 足迹与痕迹的分析： 即使是细微的足迹，也蕴含着丰富的几何信息。步幅、鞋底纹路、受力点等，如何通过几何测量帮助我们缩小嫌疑人范围？ 算法的智慧与数据的挖掘： 在大数据时代，算法成为了现代侦破不可或缺的工具。 数据挖掘与模式识别： 海量的信息中隐藏着怎样的规律？算法如何从看似无关的数据中找出关联，发现潜在的犯罪网络？ 机器学习与预测分析： 计算机能否学习犯罪者的行为模式，预测下一次作案的可能性？我们将探讨机器学习在犯罪预测和情报分析中的应用。 图论（Graph Theory）与人际关系网： 犯罪往往涉及复杂的社会关系。图论如何帮助我们梳理嫌疑人、证人、受害者之间的联系，揭示隐藏在幕后的操纵者？ 密码学与信息加密： 在数字时代，信息的安全至关重要。从古老的凯撒密码到现代的公钥加密，密码学如何在保护隐私的同时，又被侦探们用来破解加密信息，获取关键证据？ 不仅仅是“看热闹”：数学思维的实践应用 本书的目的绝不仅仅是让你惊叹于编剧的创意和演员的演技。更重要的是，它希望通过这些引人入胜的案例，激发你对数学思维的兴趣，并让你认识到数学在日常生活中的潜在价值。 提升逻辑推理能力： 美剧中的数学破案，本质上是逻辑推理的极致展现。通过分析剧集中的数学应用，你将潜移默化地学习如何构建严谨的逻辑链条，如何从有限的信息中得出最合理的结论。 培养批判性思维： 在信息爆炸的时代，辨别真伪、质疑偏见至关重要。本书将引导你审视剧集中呈现的“证据”和“推论”，学习如何运用数学的客观性来挑战主观臆断，培养独立思考的能力。 理解数据背后的意义： 无论是新闻报道中的统计数据，还是商业分析中的图表，数学都能帮助我们更深入地理解其背后的含义。本书将让你看到，数据并非冰冷无情，而是蕴含着丰富的叙事。 增强解决问题的能力： 数学是解决问题的有力工具。通过学习剧集中侦探们如何运用数学来分解复杂问题、寻找关键突破点，你将获得一套解决生活中各种难题的思路和方法。 穿越屏幕，走进你的“数字辑凶”之旅 《数字辑凶：美剧中的数学破案》将以清晰的结构、生动的案例和严谨的数学解释，为你构建一个桥梁。我们不会让你感到畏惧，因为数学的魅力在于它的普遍性和实用性。从古老的神庙建筑到现代的智能手机，数学无处不在，它赋予了我们理解世界、改造世界的力量。 本书将带领你： 回顾那些让你魂牵梦绕的经典破案场景： 从《迷失》中复杂的统计模型，到《犯罪现场调查》系列里精密的科学分析，再到《黑镜》中探讨技术伦理的数学隐喻，我们将精选大量脍炙人口的美剧片段，重现那些扣人心弦的破案时刻。 解析剧集中的核心数学概念： 用最直观、最贴近剧情的方式，为你讲解概率、统计、几何、算法等数学知识，让你在理解剧情的同时，也掌握实用的数学工具。 揭示科学与艺术的融合： 探讨数学在美剧创作中的巧妙运用，以及它如何与叙事、表演、视觉效果等元素共同构建出引人入胜的观影体验。 激发你探索数学世界的兴趣： 让你明白，数学并非只属于科学家和工程师，它同样可以是普通人理解世界、提升自我的强大武器。 准备好与我们一起，深入那些荧屏上的犯罪现场，用数学的视角，解开重重谜团，体验一次前所未有的智力冲击了吗？《数字辑凶：美剧中的数学破案》，将是你开启这场精彩旅程的最佳向导。让我们一同见证，数字如何成为破案的关键，逻辑如何谱写最动人的英雄赞歌。

评分☆☆☆☆☆

我向来对那些依赖直觉和心理侧写的破案方式持保留态度，总觉得少了那么一丝确定性。因此，当这本书摆在我面前时，我仿佛找到了失散已久的“精神盟友”。这本书的结构安排得非常精妙，它并非简单地罗列知识点，而是以一种“发现问题—提出数学工具—应用工具—得出结论”的叙事路径，层层递进地引导读者进入作者构建的逻辑世界。我记得有一章专门分析了数字签名和加密算法在数字时代如何被用于伪造证据或揭露真相，那部分的描写简直是教科书级别的精彩，读完后我对网络安全和数字取证的理解提升了一个档次。而且，这本书的语言风格带着一种冷静的克制美，没有夸张的渲染，每一个论断都有理有据，这让整个阅读体验充满了智力上的愉悦感。它不仅仅是一本关于“如何破案”的书，更是一本关于“如何严谨思考”的指南。

评分☆☆☆☆☆

这本书的封面设计就非常引人注目，那种深沉的蓝黑色调，配上跳跃的数字符号，立刻就让人联想到那些深夜里悬而未决的谜案。我本来就对悬疑题材情有独钟，再加上标题里那个“数学”的字眼，好奇心瞬间就被勾了起来。我一直在想，那些看似天马行空的犯罪手法，在冰冷严谨的数字面前，究竟会露出怎样的马脚？翻开第一页，作者的文笔非常流畅，读起来毫不费力，但文字背后蕴含的逻辑深度却让人不得不停下来细细琢磨。它不是那种故弄玄虚的推理小说，而是扎扎实实地在教你如何用一种全新的视角去看待那些熟悉的罪案现场。比如，书中对某些概率学原理在锁定嫌疑人范围时的应用描述得极其到位，那种“原来如此”的顿悟感，比直接揭示凶手身份带来的冲击感还要强烈。我特别喜欢作者在行文中穿插的那些经典美剧案例分析，每一个细节的推敲都像是在解一道精心设计的难题，让人欲罢不能，恨不得一口气读完，但又生怕错过任何一个关键的数学推导。

评分☆☆☆☆☆

这本书的排版和插图设计也相当用心，这一点在内容为王的科普读物中常常被忽视，但在这里却得到了很好的体现。那些图表和示意图，绝不是简单地复制粘贴，而是专门为理解特定的数学概念在案件中的应用而定制的。尤其是在讲解时间序列分析和模式识别的那几章，如果没有那些清晰的图形辅助，我肯定要花几倍的时间才能理清其中的关系。作者在保持学术严谨性的同时，保持了极佳的可读性，这得益于他对听众的理解——他知道我们是带着对美剧的好奇心而来的，所以他用最直观的方式，把复杂的数学逻辑“翻译”成了我们都能理解的“破案语言”。这本书让我认识到，逻辑和理性才是对抗混乱和欺骗最锋利的武器，它拓宽了我对“侦探工作”定义边界的认知。

评分☆☆☆☆☆

说实话，我原本以为这会是一本枯燥的学术读物，毕竟“数学”和“破案”的组合，听起来就容易让人望而却步。但这本书完全颠覆了我的预设。作者的叙事方式非常生活化，他没有直接抛出复杂的公式，而是将那些高深的数学概念，比如斐波那契数列、傅里叶变换甚至是基础的集合论，巧妙地编织进了紧张的警匪对峙和精密的时间线分析之中。阅读过程中，我感觉自己就像是坐在福尔摩斯身边，一起参与到案件的复盘中去，只不过这次我们手中拿的不是放大镜，而是计算器和逻辑图表。最让我印象深刻的是关于“随机性”的探讨，作者通过几个著名的连环杀手案例，论证了即便是看似随机的犯罪行为，在足够大的样本和精确的统计学分析下，也会暴露出隐藏的模式。这本书的价值在于，它提供了一种“非直觉”的思考框架，教会我们如何跳出传统犯罪心理学的窠臼，去用更客观、更量化的工具来审视人性深处的阴暗面。

评分☆☆☆☆☆

我花了很长时间才找到一本能真正结合流行文化和硬核逻辑的书。市面上很多打着“科普”旗号的书，要么过于肤浅，要么过于晦涩，难以找到一个平衡点。但《数字辑凶》似乎找到了那个完美的交汇点。作者对美剧的选材眼光独到，挑的都是那些在叙事结构和案件设计上极具代表性的剧集。他不仅仅是简单地指出“这里用了数学”，而是深入剖析了该数学原理是如何被编剧巧妙地融入剧情，从而服务于悬念的构建和真相的揭示。例如，书中对贝叶斯定理在“先验概率”与“后续证据”动态调整中的应用分析，简直让我对概率推理的威力有了全新的认识。这本书读完后，我发现自己看老的美剧都有了新的视角，总会下意识地去寻找那些隐藏在对话和场景中的数字线索，这是一种非常有趣的“后遗症”。

评分☆☆☆☆☆

因为K.Devlin才看这本书的，然后知道了《数字追凶》（Numb3rs），Keith Devlin的书一定值得翻翻。

评分☆☆☆☆☆

就是看着好玩买的。适合那种探索型的。。

评分☆☆☆☆☆

看过美剧,很有趣,配合此书来看,真长知识.

评分☆☆☆☆☆

分析得专业，有点意思，值得研究下

评分☆☆☆☆☆

大学三年，聊天时有时会听到一些奇怪的言论，比如：“现在学的这些东西有什么用，大学怎么都教这些过时的东西。“ 诚然大陆学校有时会教授一些过时的东西，譬如听说有的学校还教授vb和fortran这样的语言，但我知道这话常常针对数学、通信原理、数电、模电这类的基础理论的，背后的潜台词是：”工作以后都是用现成的芯片、工具，这些几十年上百年历史的理论能有什么用。“ 说这样话的人通常都没有任何学习的觉悟，除了为对付考试啃一啃课本，他们从来不愿意去翻任何知识性书籍，也从来不会好奇他们学的这些基础理论到底有什么作用，他们恨不能直接学一门类似于”嵌入式开发“这种实用的技术，然后最好这门”技术“能一劳永逸管一辈子饭碗呢 。 　　 　　每一次我都想反驳，可我又没法反驳，因为我也说不清楚这些基础理论到底是如何服务于具体技术的，而它们在实践中又为什么非常重要。所以当读到吴军博士的这本《数学之美》时，我发现这本书解答了我和很多学IT的本科学生长期以来的困惑，连续两天手不释卷读完，深深被书里精彩的内容吸引住了。 　　 　　个人感觉这本书非常适合信息领域大三、大四阶段的学生阅读，读得早了，会因为有些课程没有学过不能读懂或者读来没有感觉，读得迟了恐怕就会感慨怎么没有早点读到这本书。 　　 　　我们本科阶段学习的那些"线代、统计、图论、通信原理时常常会怀疑这些理论到底有什么用呢？读了这本书算是长了见识，原来这些理论还可以这么玩。比如计算机自然语言处理可以抽象成非常简单的通信模型和统计学模型，然后一个简单条件概率公式加上一个马尔可夫假设就可以做到机器翻译和语音识别......比如简单的布尔代数就是支撑搜索引擎索引的数学基础，一个漂亮的page rank矩阵乘法迭代加上一个非常符合直觉却有信息论支撑的TF-IDF公式，就可以非常大程度地改善搜索结果的质量......比如余弦公式竟然能够用来做新闻分类!？线性代数除了可以用来解方程组，那些莫名其妙不知干嘛用的特征值、奇异值居然可以用作内容聚合分类!？ 　　 　　读了这本书之后才真心信服，原来这些数学知识除了用作科学家们的头脑游戏以外，确实有非常令人惊叹的实际应用。得益于吴军博士深入浅出的宏观讲解，和恰到好处的细节展现，读者很容易能感受到，数学纵使在计算和证明上有许多繁琐巧妙的细节，但数学模型本身却是高度简洁高度具有概括力的，一些看似毫不相关的领域居然可以用同一个简单的数学模型来构建（比如新闻分类背后的余弦定理）——我想，这大概就是所谓的数学之"美”了吧，它是纷繁技术细节背后最曼妙的骨架，没有一丝累赘，简洁、和谐、有力。 　　 　　读这本书的过程也是数学建模思维训练的一种训练，相信很多参加过数模训练的同学都会同意数模训练在思考实际问题时带来的好处。阅读本书，更能体会到数学建模思维在工程实践领域中的重要作用。作者在书中数次提到，在工程领域有时候靠瞎凑也能够得到一个凑合可用的结果，但长期来看维护这些瞎凑搭起来的东西代价非常巨大，不仅结构混乱丑陋，而且由于说不清瞎凑背后的道理，在以后的修改维护时也根本无从下手；反之，如果从更高的数学模型层面去抽象问题，去寻找一个正确的模型框架，就可以有条理地慢慢去填充细节，逐渐达到完善。这样的解决方案不仅能达到需求，而且结构清晰道理明了，便于日后的维护和修正（这大概也是数学之美的另一种表现吧）。作者在后记里是这样说明他的写作意图的：“我更希望让做工程的年轻人看到信息技术行业正确的做事情的方法。”作为一个写代码和做实验常常没有厘清框架思路，在实验中用凑来得出正确结果的学生码农，读到这些教诲时，我感到十分汗颜。 　　 　　关于用数学建模思维去宏观把握问题的研究方向，书中的一个例子让人印象深刻：作者介绍了用信息论的模型来思考如何改善搜索引擎的结果，即改善搜索结果的本质是引入更多的信息，所以在信息不够的时候应该做的是如何多问一问用户，除此之外在细节处玩弄数学公式和算法是不可能有效果的，而更糟的结果是引入人为的干预——它在满足部分用户的需求同时，必然使其他用户得到更糟糕的结果。 　　 这本书同时也是一本科研方法论的启蒙读物。本科阶段，我们接触科研的机会并不多，即使参加了一些大学生科研立项活动，在这方面也不足以得到足够的视野。这本书在介绍信息技术背后数学原理的同时，也讲了很多技术背后科学家们的故事以及他们从事科学研究的方式方法，故事生动翔实富有教益，是一本优秀的科研方法论读物。书中富有启发的故事有不少，比如：通信领域出身的贾里尼克教授采用通信领域的模型方法打破了传统计科基于规则的思维，为自然语言处理建立了统计学模型的框架，这个故事给人的启发是跨界思维和学科融合非常重要，因此很多知识即使看上去没有直接用途，也不要轻下结论，广泛地联系和运用所学的知识，并且用数学思维去抽象和提炼它们，找寻共通点，常常会有了不起的创造。

评分☆☆☆☆☆

京东的服务很好。

评分☆☆☆☆☆

因为工作要用所以买的 但是的确有点儿没意思

评分☆☆☆☆☆

京东的服务很好。

评分☆☆☆☆☆

挺有意思的书 内容不错