选择用于k均值聚类的聚类数k的一种好方法是尝试k的多个值，并选择最小化失真度量的值。

根据数据科学家与数据工程师对于问题的理解并相互讨论，然后确定需要收集数据的范围以及种类，然后数据工程师使用数据收集工具，架构，甚至编程的形式来进行数据收集的工作，然后并把数据收集的数据放置到对应的存储系统。

通过统计学可以推测掷两个撒子同时选中3点的几率。

数据收集中的拉模式需要通过定时的方式不断地触发，才能源源不断地获取对应的数据。

要将工作申请分为两类，并使用密度估计来检测离职申请人，我们可以使用生成分类器。

数据存储体系中并不牵扯计算机网络这一环节。

当MAP中使用的先验是参数空间上的统一先验时，MAP估计等于ML估计。

完整性，一致性，时效性，唯一性，有效性，准确性是衡量数据质量的六个维度指标。

数据复制或者备份均是为了从提高数据并发这个角度来设计和实现的。

当反向传播算法运行到达到最小值时，无论初始权重是什么，总是会找到相同的解（即权重）。