数据科学与工程算法基础

　　本书介绍了常用的数据科学与工程算法。内容涉及数据分析处理全流程的算法及其数学基础，从概率统计、线性 代数和组合优化角度介绍了经典的数据科学与工程算法，主要包括：抽样算法；尾概率不等式及其应用；典型的哈希 技术，如布隆过滤器和局部敏感哈希；数据流模型，以及典型 Misra-Gries 算法、Count-Sketch 算法；随机游走及其应 用；EM 算法；特征值计算，以及奇异值分解和主成分分析；矩阵分解；整数规划；子模及其应用；模块度及社区发现 等。有大量翔实的应用实例可供参考，有相当数量的习题可供练习。本书可作为统计学、计算机科学、软件工程或数据科学与大数据技术专业本科生、研究生数据科学算法课程教材或参考书，也可作为科技人员使用数据科学算法的参考。

暂缺《数据科学与工程算法基础》作者简介