《数据科学与工程算法基础》从概率统计、线性代数和组合优化角度出发，介绍经典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，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；奇异值分解和主成分分析；矩阵分解；整数规划；子模函数及其应用；模块度及社区发现等。全书配有大量翔实的应用实例可供参考，有相当数量的习题可供读者练习。 《数据科学与工程算法基础》可作为数据科学与大数据技术专业本科生、研究生相关课程的教材或参考书，也可供相关领域技术人员参考。