数据科学家的自我修养 | 哪些技能是必不可少的？

市场上对数据科学家的要求特别多：需要掌握机器学习、计算机科学、统计学、数学、数据可视化，深度学习等知识。要想全部掌握这些方面的知识，科学家需要学习数十种语言、框架和技术。那么，为此数据科学家应该如何合理地分配时间，该掌握哪些技能呢？

在本文中，我对求职网站进行搜索，找出对数据科学家的技能要求。我分别分析了通常的数据科学技能和特定语言以及工具。我具体搜索了2018年10月10日LinkedIn、Indeed、SimplyHired、Monster、以及AngelList这些求职网站。以下图表显示了在每个网站中发布了多少数据分析师工作。

我分析了许多工作列表和调查，想列出当中最常见的技能要求。“管理”这类词没有包含在内，因为许多求职发布中都会包含这个词。

全部搜索都是针对美国地区，关键词中带有“数据科学家”的职位发布，并使用精确匹配搜索减少了结果数量。但是，这种方法确保结果与数据科学家职位相关，并且影响所有搜索项。

AngelList中提供的是招聘数据科学家的公司数量，而不是职位数量。我将AngelList排除在这两种分析之外，因为它的搜索算法是OR的逻辑搜索，而且无法将其修改为AND。如果你搜索"数据科学家""TensorFlow"这类关键词，AngelList表现还不错，但如果你搜索"数据科学家""react.js"也会返回不招聘数据科学家的公司。

Glassdoor也被我排除在外。网站上表示美国目前发布了26,263个"数据科学家"的职位，然而实际只显示了不到900个的职位。此外，Glassdoor发布的数据科学家职位也不可能比起其他主流平台的三倍要多。

最终分析采用了在LinkedIn上400多个职位信息分析通用技能，针对200多个职位信息分析特定技能。当中有一些重复，结果记录在Google Sheet中。

https://docs.google.com/spreadsheets/d/1df7QTgdAOItQJadLoMHlIZH3AsQ2j2_yoyvHOpsy9qU/edit?usp=sharing

我下载了.csv文件并将其导入JupyterLab。然后，我计算出每个百分比，并对招聘网站上的数量进行平均。

此外，我将结果与Glassdoor 在2017年上半年发布的数据科学家职位研究进行比较，并且结合KDNuggets的调查信息。从中可以发现，对于数据科学家而言，有些技能变得越来越重要，而其他技能则逐渐不再重要。之后我们将具体看到。

Glassdoor
https://www.glassdoor.com/research/data-scientist-personas/

KDNuggets
https://www.kdnuggets.com/2018/05/poll-tools-analytics-data-science-machine-learning-results.html/2

可以在我的Kaggle Kernel 中看到交互式图表和分析。我使用Plotly进行可视化，在写本文时，使用Plotly和JupyterLab有一些难点，具体说明在 Kaggle Kernel 最后的Plotly文档中

Kaggle
https://www.kaggle.com/discdiver/the-most-in-demand-skills-for-data-scientists/

Plotly 文档
https://github.com/plotly/plotly.py

1. 通用技能

以下是雇主最希望数据科学家具备的通用技能。

结果表明，通用技能中数据分析和机器学习是数据科学家工作的核心。从数据中收集分析见解是数据科学的主要功能。机器学习是关于开发创建预测性能的系统，这也是十分受欢迎的技能。

数据科学家需要统计学和计算机科学技能，这并不惊讶。统计学、计算机科学和数学也是大学专业，这也可能提高了这些技能出现的频率。

有趣的是，近一半的职位要求中都提到了沟通能力。数据科学家需要能够传达自己的见解，并与他人合作。

人工智能和深度学习并不像其他术语那样经常出现。它们是机器学习的子集，深度学习被用于越来越多的机器学习任务中，之前主要是使用其他算法。如今，大多数用于自然语言处理问题的最佳机器学习算法是深度学习算法。我预计将来在职位信息中，深度学习技能将被越来越明确，而且机器学习将与深度学习越来越类似。

那么雇主希望数据科学家使用哪些特定软件工具？接下来，让我们看到这个问题。

2. 技术技能

以下是雇主最希望数据科学家掌握的前20种特定语言，库和科技工具。

让我们简要介绍一下最常见的技术技能。

Python是最受欢迎的语言。这种开源语言已经非常普及。对初学者而言，这种语言很好上手，有许多支持的资源。绝大多数数据科学工具都与之兼容。Python是数据科学家主要的使用语言。

R语言与Python相差不远。它曾经是数据科学的主要语言，R语言的需求仍然很大。这种开源语言的根源在于统计数据，它非常受统计学家的欢迎。

Python或R语言是从事数据科学工作的必备条件。

SQL的需求也很高。SQL指的是Structured Query Language(结构化查询语言)，是与数据库交互的主要方式。在数据科学领域，SQL有时会被忽视，但如果想找数据科学方面的工作，这项技能是很重要的。

接下来是Hadoop和Spark，它们都是Apache的大数据开源工具。

Apache Hadoop是一个开源软件平台，用于分布式存储和分布式处理大型数据集，这些数据集是由商用硬件构建的计算机集群。

Apache Spark是快速的内存数据处理引擎，具有强大且富有表现力的开发API，能够让数据工作者有效地执行流、机器学习或SQL，这些情况需要对数据集进行快速迭代访问。

与Python，R和SQL相比，很少有求职者具备这些技能。如果你会Hadoop和Spark的经验，那么你更有可能在求职中成功。

接下来是Java和SAS。我惊讶地发现在职位描述中，这两种语言出现的频率也很高。通常，Java和SAS在数据科学界的关注度都不高。

接下来是Tableau。这个分析平台和可视化工具功能强大，易于使用且越来越受欢迎。它有一个免费的公共版本，但如果你想保持数据私密就需要花钱。如果你不熟悉Tableau，那么强烈推荐Udemy的 Tableau 10 A-Z 。

下图技能列表显示的语言、框架和其他数据科学软件工具更多。

GlassDoor 曾在网站上发布了2017年1月至2017年7月期间，数据科学家的10种最常见的软件技能。这里将GlassDoor的数据与LinkedIn，Indeed，SimplyHired和Monster在2018年10月的平均值进行比较。

结果非常相似。根据我的分析和GlassDoor的调查，Python、R和SQL都是是最受欢迎的技能。而且前九个技能排名稍微有些不同。

结果表明，与2017年上半年相比，R语言、Hadoop、Java、SAS和MatLab的需求量减少，而Tableau的需求量增加。根据局KDnuggets开发人员调查等分析，这也并不意外。在这份调查中显示，R语言、Hadoop、Java和SAS在近年来使用量呈都下降趋势，Tableau呈明显的上升趋势。

4. 建议

根据这些分析的结果，以下是对数据科学家的一些建议。

当雇主在寻找具有Python技能的数据科学家时，他们也期望求职者掌握常见的Python数据科学库：numpy、pandas、scikit-learn和matplotlib。如果你在学习这些工具，建议你使用以下资源：

如果你想学习深度学习，我建议先学习Keras或FastAI，然后在学习TensorFlow或PyTorch。Chollet的《Deep Learning with Python》这本书是学习Keras的绝佳资源。

除此之外，我建议你了解你感兴趣的内容，尽管这里需要考虑到时间分配等因素。

如果你想通过招聘网站找数据科学家工作，我建议试试LinkedIn，这上面可找到的工作信息是最多的。

在招聘网站找公司时，关键词很重要。关键词方面“ 数据科学 ”得到的结果会是“ 数据科学家 ”的3倍。但是，如果你想准确地找数据科学家的工作，那么最好还是搜索“ 数据科学家 ”。

我建议你制作一个在线作品集，能够很好地展示你的数据科学技能。还建议在你的LinkedIn个人资料中注明自己的技能。

如果你想查看本文中交互式图表及当中使用的代码，请查看我的Kaggle Kernel。

https://www.kaggle.com/discdiver/the-most-in-demand-skills-for-data-scientists/