作者：Gregory Piatetsky 譯者：劉志勇

原文： KDnuggets，譯文來(lái)源： InfoQ

我們確定了兩類主要的數(shù)據(jù)科學(xué)技能：一類是大多數(shù)受訪者所擁有的穩(wěn)定技能，這一類有 13 項(xiàng)核心技能;另一類是大多數(shù)受訪者尚未擁有但想掌握的熱門 / 新興技能。請(qǐng)參閱我們?cè)敿?xì)的分析。

最新的 KDnuggets 投票調(diào)查問(wèn)了如下兩個(gè)問(wèn)題：

你目前擁有哪些技能 / 知識(shí)領(lǐng)域(在工作或研究中可以使用的水平)?
你想增加或提高哪些技能?

我們根據(jù) KDnuggets 之前的一些文章和投票調(diào)查，選出了 30 項(xiàng)技能。

這次投票調(diào)查總共收到了超過(guò) 1500 張投票，這是一個(gè)足夠大的樣本，可以做出有意義的推論。平均每個(gè)投票者報(bào)告聲稱其擁有 10 項(xiàng)技能，并希望增加或者提高 6~7 項(xiàng)技能。

下面的圖 1 顯示了關(guān)鍵的調(diào)查結(jié)果，x 軸表示 % 已擁有技能，顯示的是第一個(gè)投票問(wèn)題的答案;y 軸表示的是 % 想擁有的技能，顯示的是第二個(gè)投票問(wèn)題的答案。每個(gè)圓形的大小與已擁有該技能的投票者的百分比成正比，而顏色取決于“想擁有 / 已有用”的比率(>1，比率越高顏色越紅;<1，比率越低顏色越藍(lán))。

 

 

圖 1. 與數(shù)據(jù)科學(xué)相關(guān)的技能，已擁有技能 vs 想增加 / 提高技能

在這種圖表中，我們注意到有兩個(gè)主要的集合。

圖表右側(cè)藍(lán)色虛線矩形為第一個(gè)集合，該集合包含超過(guò) 40% 投票者所擁有的技能，以及“想要擁有 / 已經(jīng)擁有”的比率小于 1。我們稱之為核心數(shù)據(jù)科學(xué)技能。它們將在表 1 中列出。

表 1：核心數(shù)據(jù)科學(xué)技能，按 % 已擁有技能降序排列。

 

 

其中，最希望添加或提升的技能是機(jī)器學(xué)習(xí)(41%)和 Python(37%)。增長(zhǎng)最少的是 Excel——只有 7% 的人想增加或提高他們的 Excel 技能。

圖 1 左側(cè)用紅色邊框標(biāo)記的第二個(gè)集合，包括目前不太流行(% 已擁有技能 <30%)但正在增長(zhǎng)的技能，“想擁有 / 已有用”的比率大于 1，請(qǐng)見表 2。我們將其稱為熱門 / 新興數(shù)據(jù)科學(xué)技能。

表 2：熱門 / 新興數(shù)據(jù)科學(xué)技能，按“想擁有 / 已擁有”降序排列。

 

 

有趣的是，盡管有人認(rèn)為 Hadoop 正在走下坡路，但在這次投票調(diào)查中，想學(xué)習(xí) Hadoop 的人比已經(jīng)知道它的人還多，所以 Hadoop 有可能仍然會(huì)越來(lái)越受歡迎。盡管 Julia 的“想擁有 / 已擁有”的比率為 3.4，但我們?nèi)匀粵](méi)有將它包括在熱門 / 新興技能中，因?yàn)橹挥?2% 的投票者選擇了它，因此它并不具備足夠的支持。

其余的技能，如 XGBoost、軟件工程、Java、MATLAB、SAS 只被 10%~30% 的投票者擁有，但沒(méi)有增長(zhǎng)：“想擁有 / 已擁有”的比率小于 1。

表 3：其他數(shù)據(jù)科學(xué)技能，按 % 已擁有的百分比遞減

 

 

小假面是關(guān)于投票調(diào)查的更多細(xì)節(jié)。圖 2 按 % 已擁有進(jìn)行降序排列。

 

 

圖 2：KDnuggets 讀者擁有的數(shù)據(jù)科學(xué)技能

圖 3 顯示了讀者想要增加或提高的技能，以及他們所擁有的技能。

 

 

圖 3：KDnuggets 讀者想要增加或提高的數(shù)據(jù)科學(xué)技能(紅色)和已擁有的數(shù)據(jù)科學(xué)技能(藍(lán)色)。

我們看到，現(xiàn)有的和有意向的數(shù)據(jù)科學(xué)家想要添加的頂級(jí)技能是深度學(xué)習(xí)、TensorFlow、機(jī)器學(xué)習(xí)和 Python。

投票調(diào)查還詢問(wèn)了就業(yè)類型：

行業(yè) / 自雇：64.4%

政府 / 非營(yíng)利組織：7.2%

學(xué)術(shù)界 / 大學(xué)：7.0%

學(xué)者：14.3%

其他 /NA：7.1%

區(qū)域分布為：

美國(guó) / 加拿大：37.9%

歐洲：28.3%

亞洲：19.3%

拉丁美洲：6.1%

非洲 / 中東：4.8%

其他：3.5%

作者介紹：Gregory Piatetsky-Shapiro 博士是 KDnuggets 的總裁，也是大數(shù)據(jù)、數(shù)據(jù)挖掘和數(shù)據(jù)科學(xué)領(lǐng)域的領(lǐng)軍人物。他是數(shù)據(jù)挖掘和數(shù)據(jù)科學(xué)領(lǐng)先研究會(huì)議 KDD 的共同創(chuàng)始人，也是 ACM SIGKDD 的共同創(chuàng)始人和前任主席。他還是兩家初創(chuàng)公司的首席科學(xué)家。

原文鏈接：Which Data Science Skills are core and which are hot/emerging ones?

標(biāo)簽： 數(shù)據(jù) 蒲

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。