根據數(shù)據科學家與數(shù)據工程師對于問題的理解并相互討論，然后確定需要收集數(shù)據的范圍以及種類，然后數(shù)據工程師使用數(shù)據收集工具，架構，甚至編程的形式來進行數(shù)據收集的工作，然后并把數(shù)據收集的數(shù)據放置到對應的存儲系統(tǒng)。

數(shù)據存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

公司內部收集的數(shù)據不存在需要考慮數(shù)據隱私的環(huán)節(jié)。

最大似然估計的一個缺點是，在某些情況下（例如，多項式分布），它可能會返回零的概率估計。

給定用于2類分類問題的線性可分離數(shù)據集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓練集上實現(xiàn)更好的分類精度。

當反向傳播算法運行到達到最小值時，無論初始權重是什么，總是會找到相同的解（即權重）。

隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

數(shù)據收集中的拉模式需要通過定時的方式不斷地觸發(fā)，才能源源不斷地獲取對應的數(shù)據。

數(shù)據索引是保證數(shù)據處理高性能的軟件角度的一種手段，不做數(shù)據索引的數(shù)據訪問是線性訪問，但是做了索引的數(shù)據訪問會成倍的降低訪問時間。