雷鋒網(wǎng) AI科技評(píng)論按，日前，Kaggle官網(wǎng)發(fā)布了一份關(guān)于數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的調(diào)查報(bào)告，他們通過(guò)分析超過(guò)16000份相關(guān)用戶的問(wèn)卷調(diào)查，給出了數(shù)據(jù)科學(xué)行業(yè)從業(yè)人員的基本概況，大家在工作中使用比較多的方法以及對(duì)初入該行業(yè)的人的建議。

雷鋒網(wǎng) AI科技評(píng)論核心內(nèi)容編譯如下：

為了建立對(duì)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的全面認(rèn)識(shí)，Kaggle在今年首次開(kāi)展了一項(xiàng)覆蓋多個(gè)行業(yè)的調(diào)查研究。

他們收到了超過(guò)16000份回復(fù)，了解到該行業(yè)很多的相關(guān)信息，例如數(shù)據(jù)科學(xué)從業(yè)者的概括、機(jī)器學(xué)習(xí)領(lǐng)域的前沿研究，以及新手?jǐn)?shù)據(jù)科學(xué)家如何能最好地進(jìn)入這個(gè)領(lǐng)域。

在下面的報(bào)告中，他們分享了一些主要發(fā)現(xiàn)，這里面包括一些交互式可視化圖，這樣大家可以輕松地找到自己想知道的內(nèi)容。以下是一些例子:

• 雖然Python從整體上來(lái)說(shuō)或許是最常使用的工具，不過(guò)我們的報(bào)告發(fā)現(xiàn)統(tǒng)計(jì)學(xué)家中用R語(yǔ)言的更多。

• 數(shù)據(jù)科學(xué)家的平均年齡在30歲左右，但不同國(guó)家之間又略有不同。例如印度受訪者的平均年齡比澳大利亞受訪者要小9歲。

• 受訪者中擁有碩士學(xué)位的人占比最高，但是在薪水最高（15萬(wàn)美元以上）的人中，擁有博士學(xué)位的人最多。

他們?cè)贙aggle上分享了這些完整的匿名數(shù)據(jù)集，大家可以下載、進(jìn)行探索。

下載地址：https://www.kaggle.com/kaggle/kaggle-survey-2017

大家可以參與進(jìn)來(lái)研究這些數(shù)據(jù)，分享自己的思路和代碼，一起推進(jìn)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的研究。與此同時(shí)，甚至可以贏得現(xiàn)金獎(jiǎng)勵(lì)。

數(shù)據(jù)科學(xué)家概況

分析這些數(shù)據(jù)科學(xué)從業(yè)人員概況的方法有很多，他們通過(guò)與這些數(shù)據(jù)科學(xué)家的工作和背景相關(guān)的統(tǒng)計(jì)信息入手:

年齡

調(diào)查對(duì)象的平均年齡在30歲左右，但不同國(guó)家之間又略有不同。例如印度受訪者的平均年齡比澳大利亞受訪者要小9歲。

在職情況 

從圖中可以看到全職的人最多。

職位

雖然大家經(jīng)常將“數(shù)據(jù)科學(xué)家”定義為使用代碼來(lái)分析數(shù)據(jù)的人，但在調(diào)查中發(fā)現(xiàn)大量的職位都屬于數(shù)據(jù)科學(xué)領(lǐng)域。例如，在伊朗和馬來(lái)西亞，數(shù)據(jù)科學(xué)研究領(lǐng)域最常見(jiàn)的的職位是“科學(xué)家或研究員”。 

全職年薪

雖然在此次調(diào)查中，“薪酬和福利”的重要性不如“職業(yè)發(fā)展機(jī)會(huì)”，但大家最好還是要了解到合理的薪酬范圍。在美國(guó)，機(jī)器學(xué)習(xí)工程師平均工資最高。

最高學(xué)歷

一般來(lái)說(shuō)，在從事數(shù)據(jù)科學(xué)研究的人中，研究生占比最高。但是在收入最高(15萬(wàn)美元—20萬(wàn)美元，20萬(wàn)美元以上)的人群中，擁有博士學(xué)位的人占比最多。 

這次調(diào)查顯示，年齡為30歲，擁有碩士學(xué)位，年收入約為5.5萬(wàn)美元的數(shù)據(jù)科學(xué)家處于平均水平。不過(guò)每個(gè)人之間的差異也很大，上面只是從表面上給出了Kaggle上數(shù)據(jù)科學(xué)社群在年齡、性別、國(guó)家、職位、薪水、工作經(jīng)驗(yàn)和教育上的不同。

數(shù)據(jù)科學(xué)家的日常工作

數(shù)據(jù)科學(xué)家被定義為“寫代碼來(lái)分析數(shù)據(jù)”的人。Kaggle也調(diào)查了他們每天的工作生活情況，下面是調(diào)查中他們發(fā)現(xiàn)的一些亮點(diǎn):

在工作中使用什么數(shù)據(jù)科學(xué)方法?

調(diào)查顯示，工作中，在軍事/安全領(lǐng)域，神經(jīng)網(wǎng)絡(luò)用的稍微多一點(diǎn)。除了這兩個(gè)領(lǐng)域，Logistic回歸是大家使用頻率最高的數(shù)據(jù)科學(xué)方法。

使用的工作工具是什么？

Python是調(diào)查中大家最常用的數(shù)據(jù)分析工具，但從小的類別來(lái)看，統(tǒng)計(jì)學(xué)家使用最多的仍然是R語(yǔ)言。

大家使用的數(shù)據(jù)類型都是什么？

關(guān)系數(shù)據(jù)是在所有行業(yè)（除了學(xué)術(shù)和軍事/安全領(lǐng)域）中最常使用的數(shù)據(jù)類型，學(xué)術(shù)和軍事/安全領(lǐng)域中最常使用的數(shù)據(jù)類型是文本數(shù)據(jù)。

大家都是如何分享代碼的呢？

受訪者中使用Git分享代碼的人占比最高，但在大公司（員工人數(shù)超過(guò)10000）使用電子郵件等方式分享代碼的人更多，大家不怎么用云端傳輸，而小型公司（員工數(shù)少于10人）在云上分享會(huì)更靈活。

工作中面臨的障礙

一般來(lái)說(shuō)，臟數(shù)據(jù)是在數(shù)據(jù)科學(xué)領(lǐng)域中最常見(jiàn)的問(wèn)題，不過(guò)對(duì)一絲不茍的數(shù)據(jù)庫(kù)工程師來(lái)說(shuō)，這不是他們最頭疼的問(wèn)題。其實(shí)，排在臟數(shù)據(jù)之后，公司政治問(wèn)題、缺乏管理/缺少財(cái)務(wù)支持才是最讓大家頭疼的。

如果大家點(diǎn)擊篩選鍵，就可能會(huì)注意到許多行業(yè)的受訪者都表示他們?nèi)狈?shù)據(jù)科學(xué)天賦。繼續(xù)看下去，就可以看到這些調(diào)查對(duì)象是如何逐步上手的了，大家可以學(xué)到他們的經(jīng)驗(yàn)。

新手?jǐn)?shù)據(jù)科學(xué)家如何才能進(jìn)入這個(gè)領(lǐng)域?

當(dāng)你開(kāi)始新的職業(yè)生涯時(shí)，從別人的成功經(jīng)驗(yàn)中學(xué)習(xí)是很有幫助的。在這次調(diào)查中，Kaggle也詢問(wèn)了在數(shù)據(jù)科學(xué)行業(yè)工作的人，問(wèn)到他們是如何成功進(jìn)入這個(gè)領(lǐng)域的。以下是一些他們認(rèn)為應(yīng)該分享的建議:

你會(huì)推薦新手?jǐn)?shù)據(jù)科學(xué)家先學(xué)習(xí)什么語(yǔ)言？

每個(gè)數(shù)據(jù)科學(xué)家都對(duì)應(yīng)該先學(xué)什么語(yǔ)言都有自己的看法。事實(shí)證明，那些只使用Python或R的人認(rèn)為自己似乎做出了正確的選擇。但是，如果你詢問(wèn)同時(shí)使用R和Python的人，他們推薦Python的比例是R語(yǔ)言的兩倍。

你用的什么數(shù)據(jù)科學(xué)學(xué)習(xí)資源？

數(shù)據(jù)科學(xué)是一個(gè)快速變化的領(lǐng)域，有很多可以幫助你學(xué)習(xí)、讓你時(shí)刻保持在行業(yè)前沿的有價(jià)值的資源，這樣你在找工作時(shí)競(jìng)爭(zhēng)力會(huì)很顯著。

那些已經(jīng)在數(shù)據(jù)科學(xué)領(lǐng)域工作的人為了時(shí)刻知道最新動(dòng)態(tài)，比正在入行的人使用Stack Overflow問(wèn)答、會(huì)議和播客的頻率更高。

如果你正在制作內(nèi)容或開(kāi)源軟件，請(qǐng)記住，正在進(jìn)入該領(lǐng)域的人更?？吹氖枪俜轿募陀^看YouTube視頻。

從哪里找到開(kāi)放數(shù)據(jù)？

沒(méi)有數(shù)據(jù)就沒(méi)有數(shù)據(jù)科學(xué)。當(dāng)談到學(xué)習(xí)數(shù)據(jù)科學(xué)的經(jīng)驗(yàn)，知道如何找到干凈的公開(kāi)數(shù)據(jù)集來(lái)用于實(shí)踐和項(xiàng)目是非常有價(jià)值的。從下圖可以看到，數(shù)據(jù)集聚合平臺(tái)（比如Kaggle數(shù)據(jù)集）是被數(shù)據(jù)科學(xué)社群的成員使用得最頻繁的工具。

你是怎么找到工作的呢？

當(dāng)你在找工作的時(shí)候，你可能會(huì)試圖在公司官網(wǎng)或技術(shù)類招聘平臺(tái)上找，但是根據(jù)數(shù)據(jù)科學(xué)領(lǐng)域工作人員的說(shuō)法，那是最沒(méi)用的方法。為了進(jìn)入這個(gè)領(lǐng)域，你應(yīng)該試著聯(lián)系招聘人員或者建立你自己的關(guān)系網(wǎng)。

想要知道更多詳細(xì)的信息，可以訪問(wèn) https://www.kaggle.com/surveys/2017 了解。

雷鋒網(wǎng) AI科技評(píng)論編輯整理。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。