根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)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(jù)的范圍以及種類，然后數(shù)據(jù)工程師使用數(shù)據(jù)收集工具，架構(gòu)，甚至編程的形式來進行數(shù)據(jù)收集的工作，然后并把數(shù)據(jù)收集的數(shù)據(jù)放置到對應(yīng)的存儲系統(tǒng)。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。

完整性，一致性，時效性，唯一性，有效性，準確性是衡量數(shù)據(jù)質(zhì)量的六個維度指標。

由于決策樹學(xué)會了對離散值輸出而不是實值函數(shù)進行分類，因此它們不可能過度擬合。

任何對數(shù)據(jù)處理與存儲系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。

要將工作申請分為兩類，并使用密度估計來檢測離職申請人，我們可以使用生成分類器。

通過統(tǒng)計學(xué)可以推測擲兩個撒子同時選中3點的幾率。

使用正則表達式可以找到一個文本文件中所有可能出現(xiàn)的手機號碼。

數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。