2017数据科学与机器学习行业现状调查 Python是最受欢迎的语言

简介: 最近,Kaggle这一互联网上最著名的数据科学竞赛平台首次进行了机器学习与数据科学现状调查。在超过 16000 名从业者的答卷中,我们可以一窥目前该行业的发展趋势。

今年,Kaggle有史以来第一次对人工智能领域进行了深度调查,旨在全面了解数据科学和机器学习的概况。本次调查收到了 16000 多份答卷,庞大的调查数据为我们提供了有关从业者、业界最新动态以及如何进入该行业的数据支撑。以下报告包括本次调查的几个主要结果,其中包括:

  1. 尽管Python很可能是机器学习最常用的编程语言,但统计学家使用最多的是 R 语言。
  2. 数据科学家的平均年龄在 30 岁左右,但是这个数字在不同的国家有所不同。例如,印度受访者的平均年龄要比澳大利亚的小 9 岁。
  3. 被调查者教育程度最多是硕士,但在工资最高的(超过15万美元)人群中,拥有博士学位的人则更多。

Kaggle 已经公开了该调查的匿名数据集,以供大家进行研究,可以从此处下载:https://www.kaggle.com/kaggle/kaggle-survey-2017

谁在工作中与数据打交道?

分析数据从业者的方式有很多种,本文将从有关数据科学从业者的工作、背景等人口统计学信息开始。

年龄多大?

从下图可见,本次调查对象的平均年龄大约为 30 岁,但各个国家的这个值有所不同。例如印度调查对象的平均年龄就比澳大利亚的小了 9 岁。


0_1.jpg

目前的就业状况如何?

受调查者中,有 65.7% 表示自己有全职工作。


0_2.jpg

职位是什么?

尽管我们把数据科学家定义为使用代码分析数据的人,但我们发现数据科学领域可涵盖的工作非常多。比如在伊朗和马来西亚,数据科学从业者最流行的工作头衔是“科学家或者研究员”。


0_3.jpg

全职工作的年薪是多少?

中位数55441美元,不过由于很多人没有全职工作(收入为 0),所以这一数字并不准确。尽管在我们的调查中“补偿和福利”的重要性稍微比“职业发展机遇”低一些,不过知道什么是合理的补偿依然不错。在美国,一般机器学习工程师带回家最多的东西是培根。


0_4.jpg

有131个回复由于超出最大值而没有显示出来,但它们被算进了中位数。

最高学历是什么?

你需要再去读一个学位吗?通常来讲,数据科学从业者中最常见的学历是硕士,但是获取最高薪水(15万到20万美元,以及高于20万美元)的那些人大多有着博士学位。


0_5.jpg

被调查者的大多是 30 岁左右,硕士学历,年薪5.5万美元左右,拥有数据科学家的职位。但实际情况并不如此平均。这些最初的几个人口统计学问题只是展示了复杂的 Kaggle 数据科学社区在年龄、性别、国籍、工作职称、薪水、经验和学历方面的表层差异。

数据科学家的工作内容是什么?

我们把数据科学家定义为写代码来分析数据的人。他们的日常工作内容是什么呢?以下是我们的调查结果。

工作中使用哪些数据科学方法?

逻辑回归是工作之中最为常用的数据科学方法,不过在神经网络使用更为频繁的国家安全领域除外。总的来说,数据科学中更常见的还是使用经典的机器学习算法,简单的线性与非线性分类器是数据科学中最常见的算法,而功能强大的集成方法也十分受欢迎。


0_6.jpg

工作中使用最多的编程语言是什么?

Python是数据科学家最常用的语言,也是最常用的数据分析工具。不过,也有很多数据科学家仍然保持着对 R 语言的忠诚。


0_7.jpg

在工作中常用的数据类型是什么?

关系型数据是开发者在工作中最常用的数据类型,因为大多数产业工程师都十分关注于这种关系型数据。而学术研究者和国防安全产业则更注重于文本与图像。


0_8.jpg

如何分享工作中的代码?

尽管很多受访者(58.4%)在工作使用 Git 来分享代码,但大公司中的开发者更倾向于将代码保留在本地,并通过像 Email 那样的文件共享软件来分享代码。而初创公司可能需要在云中共享以保持更加敏捷的反应。


0_9.jpg

工作中遇到的障碍主要有哪些?

脏数据(dirty data)显然排在了第一位,也就是说,数据科学家最常见的困扰就是需要对数据进行大量的预处理工作。除了数据预处理之外,还有很多问题困扰着数据科学家,比如说众多的机器学习算法各有各的擅长领域,所以了解它们的性能也会有一些困难。


0_10.jpg

数据科学家初学者如何进入这个领域?

当开始一个新的职业生涯的时候,参考别人的成功经验会很有帮助。我们调查了在数据科学行业工作的人们,询问他们是如何入门的。以下是我们最喜欢的几条建议:

你们会推荐数据科学家新手最先学哪门语言?

每一位数据科学家都有自己的对选择第一门语言的想法。事实证明,那些仅使用 Python 或 R 语言的人们做出了正确的选择。不过如果你问一下使用过 R 和 Python 的人们,他们有两倍的可能会把 Python 推荐给你。


0_11.jpg

你们使用哪些数据科学学习资源?

数据科学是一个发展迅速的领域,有很多有价值的资源可以帮助你学习并保持业内的顶尖位置,从而不断提升你的竞争力。已经在数据科学领域中工作的人们会更多地使用 Stack Overflow Q&A,Conferences 和 Podcasts。如果想要发布内容或开源软件,请时刻记住刚进入这个领域的人们通常更多使用官方的文档和观看 Youtube 视频。


0_12.jpg

你们在哪里获取开源数据?

没有数据,就没有数据科学。当需要学习数据科学技巧的时候,知道如何找到干净的开源数据集用于练习和开发项目相当重要。很高兴我们的数据集聚合器正发展为数据科学社区成员中使用最频繁的工具。


0_13.jpg

如何找工作,并且又是如何找到的?

在寻找工作地时候,人们可能会去公司网站,或在指定技术方向的招聘信息中寻找机会,但是根据数据科学领域工作的人们的经验,这些方式无疑是最差的选择。直接联系招聘者或建立自己的网络以进入这个领域才是他们的首选。


0_14.jpg

注意:少于 50 名受访者的组别被合并进了“Other”类中。其中一些柱状图为了美观而做了缩放处理。如果想要查看所有问题和结果的原始数据,请访问:https://www.kaggle.com/amberthomas/kaggle-2017-survey-results

文章原标题《The State of Data Science & Machine Learning》,作者:Kaggle Inc,译者:夏天,审校:主题曲。

文章为简译,更为详细的内容,请查看原文

相关文章
|
9天前
|
Unix 编译器 C语言
[oeasy]python052_[系统开发语言为什么默认是c语言
本文介绍了C语言为何成为系统开发的首选语言,从其诞生背景、发展历史及特点进行阐述。C语言源于贝尔实验室,与Unix操作系统相互促进,因其简洁、高效、跨平台等特性,逐渐成为主流。文章还提及了C语言的学习资料及其对编程文化的影响。
20 5
|
1月前
|
数据采集 数据可视化 数据处理
Python数据科学:Pandas库入门与实践
Python数据科学:Pandas库入门与实践
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据科学实战:从Pandas到机器学习
Python数据科学实战:从Pandas到机器学习
|
1月前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
83 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
47 2
|
29天前
|
机器学习/深度学习 数据可视化 数据处理
掌握Python数据科学基础——从数据处理到机器学习
掌握Python数据科学基础——从数据处理到机器学习
41 0
|
29天前
|
机器学习/深度学习 数据采集 人工智能
机器学习入门:Python与scikit-learn实战
机器学习入门:Python与scikit-learn实战
38 0
|
1月前
|
机器学习/深度学习 数据采集 数据挖掘
Python在数据科学中的应用:从数据处理到模型训练
Python在数据科学中的应用:从数据处理到模型训练
|
24天前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
76 4
下一篇
DataWorks