经常跟管理层打交道并进行有效地关于商业领域的讨论有助于数据科学项目的成功。

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。

如果P（A B）= P（A），则P（A∩B）= P（A）P（B）。

最大似然估计的一个缺点是，在某些情况下（例如，多项式分布），它可能会返回零的概率估计。

对于文本数据和多媒体数据进行特征提取是为了方便对于这类数据的观察和理解。

任务调度系统的设计与实现才能使得数据收集工作可以不间断地按照既定的目标从目标源获取数据。

给定用于2类分类问题的线性可分离数据集，线性SVM优于感知器，因为SVM通常能够在训练集上实现更好的分类精度。

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。

支持向量机不适合大规模数据。

数据压缩与解压缩可以使得数据处理的速度加快。