当我们在认真看过一本优秀的书籍后，写读后感就是不错的记录方式，为了记录自己的阅读感受，写读后感是很好的方式，品读360小编今天就为您带来了慢之美读后感8篇，相信一定会对你有所帮助。
慢之美读后感篇1
买蒋勋的《汉字书法之美》，是一个很偶然的机会，在网上碰到了好久没有看到的同学，他是语文专业的博士生，现在也很我一样做初中语文教师，一有机会，我就向他咨询又读了什么书，他向我推荐了《汉字书法之美》。
我马上在当当网下了订单，并且给他回复说：“向我这样臭字，很需要看这样的书。”我的同学发过一句话：“距离生活还是很远，不过你读后一定会爱上汉字的。”
真的是这样，一边读完说实在的我还不能一一细数在动物骨骸、金属、石头、竹简、纸帛上被记录下来，在各个朝代以或沉重朴厚，或飞扬婉转，或森严宏大，或肆意狂放的书写线条。
不过仅看那些图片，都让人流连忘返，仅是抚摸那书的质感，都让人回味。
在这一个月的零散阅读里它给我触动人心的美丽与惊喜。
蒋勋说：书法是呼吸，是养生，是身体的运动，是性情的表达，是做人处事的学习，是安定保佑的力量，是生活现实里的记忆，是还原到初写自己名字时的认真……
作者以他独特的美学情怀，述说动人的汉字书法故事。文字编织成画面，我们走进了那古老却又现代的汉字时间光廊，东方书写的敬意与喜悦，就在你我的指间心中！
慢之美读后感篇2
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年eurospeech的最佳论文奖。
吴军博士于年加入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。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：
p(s)=p(w1)p(w2|w1)p(w3|w1w2)…p(wn|w1w2…wn-1)
其中p(w1)表示第一个词w1出现的概率;p(w2|w1)是在已知第一个词的前提下，第二个词出现的概率;以次类推。不难看出，到了词wn，它的出现概率取决于它前面所有词。从计算上来看，各种可能性太多，无法实现。因此我们假定任意一个词wi的出现概率只同它前面的词wi-1有关(即马尔可夫假设)，于是问题就变得很简单了。现在，s出现的概率就变为：
p(s)=p(w1)p(w2|w1)p(w3|w2)…p(wi|wi-1)…
(当然，也可以假设一个词又前面n-1个词决定，模型稍微复杂些。)
接下来的问题就是如何估计p(wi|wi-1)。现在有了大量机读文本后，这个问题变得很简单，只要数一数这对词(wi-1,wi)在统计的文本中出现了多少次，以及wi-1本身在同样的文本中前后相邻出现了多少次，然后用两个数一除就可以了,p(wi|wi-1)=p(wi-1,wi)/p(wi-1)。
也许很多人不相信用这么简单的数学模型能解决复杂的语音识别、机器翻译等问题。其实不光是常人，就连很多语言学家都曾质疑过这种方法的有效性，但事实证明，统计语言模型比任何已知的借助某种规则的解决方法都有效。比如在google的中英文自动翻译中，用的最重要的就是这个统计语言模型。去年美国标准局(nist)对所有的机器翻译系统进行了评测，google的系统是不仅是全世界最好的，而且高出所有基于规则的系统很多。
这就是数学的美妙之处了，它把一些复杂的问题变得如此的简单。
看到《数学之美》，在感叹数学的美妙与神奇之处时，自然而然联系到自己专业(地质工程而或岩土工程)中的数学应用。
现在找文献，搜索期刊一大堆基于数学的专业文献，灰色数学的、模糊数学的、非线性的、系统的，等等，这么多的数学的使用，促进了一大批的文章，但这些数学方法的应用究竟是发现了哪些问题?还是解决了实际问题吗?还是仅发了文章，满足了需求?现实是文章好发，用着难用，解决问题还得传统的方法，那么是这些数学方法不行，还是用的太肤浅，根本没发挥其威力来?如果没有发挥出威力来，那怎么用?怎么发挥?
慢之美读后感篇3
“汉字书法的练习，大概在许多华人心中都保有很深刻的印象。“
我小时候印象中的书法就是写毛笔字了。看到老师拿着大大的毛笔，大手一挥，几个像模像样的毛笔字就出现在白纸上，煞是羡慕，但是到底怎样写，怎样读帖却是云里雾里。老师多是临时代课的，对毛笔字的要求不严格，我们有毛笔的就用毛笔写，没有毛笔的就找一个小棒，沾着前后位同学的墨汁，在本子上信马由缰，对于写“上”“人”自觉得很好写，横平竖直就可以，对于笔锋、运笔、收笔等书法术语全然没有概念，那时毛笔是一角、两角钱买来的，墨汁也是最廉价的带着臭味久无人问津的，所以写完毛笔字后，教室里洋溢着难闻的气味，我们的手上、脸上、衣服上沾满了，黑黑的臭墨汁，看着自己写的歪七斜八的字傻乐，只是好玩，倒没有太大的兴趣。
现在每当走过学校的书法室，闻到那飘散过来的淡淡的墨香，看着那些中规中距或站或坐的小学生，跟着书法老师有模有样的临帖习子，挥毫泼墨的写出大幅的作品，心中的羡慕之情无法言表。
直到后来上了师范学校，才知道书法是一门博大精深的艺术，了解了一些书法家，更深刻的体会到描摹临写在书法中的重要。才真正的体会到“一直有一个红线框成的界线存在，垂直与水平红线平均分割的九宫格，红色细线围成的字的轮廓。”红色像一种“界限”，我手中毛笔的黑墨不能随性逾越红线轮廓的范围
...
