"本书对数据科学与工程中的算法基础进行了全面的论述，把读者引入数据科学的大门，为进一步学习和掌握大数据分析算法提供有力的支撑。本书介绍的数据科学与工程中的算法基础包括特征工程、数据表征、数据抽样、随机优化算法和关联性分析等，侧重内容的科学性、实用性和前沿性。本书结构上注重理论与实践并重，各章通过案例引出问题，并深入介绍回答类似问题需要的知识，最后通过实际案例串联本章知识点，可以使读者感受到算法的价值及其在解决实际问题中的实用性。 本书可以作为高等学校大数据、计算机等相关专业的教学用书，对科研机构的研究人员、工程技术人员也有一定的参考价值。 "

徐明华，博士，教授，常州大学计算机与人工智能学院 阿里云大数据学院 软件学院院长，计算数学专业，研究方向为最优化理论和应用、数值代数和数据建模与分析，长期从事数据处理、建模和数值计算的教学与科研工作，发表科研论文 40 余篇，其中 SCI 论文近 20篇，主编教材 3 部。主持江苏省教改项目 2 项，发表教学研究论文 9 篇，核心期刊 5 篇。主编江苏省重点教材 1 部，参编教材 2 部，获江苏省教学成果奖二等奖 1项，校教学成果特等奖 2 项。先后获常州市师德模范、“校最受学生欢迎教师”、常州市高等院校优秀班主任等教学奖或荣誉称号 10 多项。主要参与国家自然科学基金项目 4 项、博士点基金项目 1 项、主持横向项目 5 项。

前言 信息技术的飞速发展使数据的产生、存储和处理能力达到了前所未有的高度。数据的丰富性和复杂性带来了巨大的挑战，同时也蕴藏着巨大的机遇。如何挖掘不同类型数据中蕴藏的丰富信息，已经成为大数据时代面临的重要问题之一。数据科学与工程，作为一门新兴的交叉学科，正是为了应对这一挑战而诞生的。数据科学与工程以数据为研究对象，通过综合运用数学、统计学、计算机技术等方法对数据进行处理和分析，以实现数据的价值。数据科学与工程的核心是算法，它们是处理数据、提取信息、发现模式和预测未来的强大引擎。 本书旨在培养新工科背景下具备数据科学思维，掌握数据科学与工程算法的大数据专业人才。本书系统地介绍了特征工程、多类型数据表征、数据抽样、图计算、随机优化算法、相似性度量、关联性分析等相关知识与方法，涵盖数据表征、数据计算和数据挖掘等多方面的内容。本书从数据科学与工程的基本概念和流程出发，逐步引领读者进入数据科学的核心领域，全面理解和掌握数据科学的精髓，为进一步深入学习机器学习算法打下扎实的基础。 全书共8章，内容包括绪论、特征工程、多类型数据表征、数据抽样、图计算、随机优化算法、相似性度量、关联性分析，不仅覆盖了传统数据科学领域的重要算法，还涉及最新的研究进展，如图计算、因果分析、多模态数据融合等前沿技术，使得本书既具有广度又具有深度。同时，本书内容结构遵循学习规律： 首先通过“问题导入”，建立现实问题与数据科学与工程相关技术的关系，明确学习目标，激发学生学习数据科学与工程相关技术的兴趣； 然后，构建相关的知识体系，介绍算法及其演化，提高学生描述问题的表达能力、解决问题的算法思维能...