訓練神經網絡具有過度擬合訓練數據的潛在問題。

根據數據科學家與數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據的范圍以及種類，然后數據工程師使用數據收集工具，架構，甚至編程的形式來進行數據收集的工作，然后并把數據收集的數據放置到對應的存儲系統(tǒng)。

數據存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

使用偏差較小的模型總是比偏差較大的模型更好。

選擇用于k均值聚類的聚類數k的一種好方法是嘗試k的多個值，并選擇最小化失真度量的值。

管理員不需要驗證就可以訪問數據存儲系統(tǒng)中的任何數據，這符合數據安全的要求。

假設屬性的數量固定，則可以在時間上以線性方式學習基于高斯的貝葉斯最優(yōu)分類器，而該數量是數據集中記錄的數量。

數據索引就像給每條數據裝了個信箱。

完整性，一致性，時效性，唯一性，有效性，準確性是衡量數據質量的六個維度指標。