數(shù)據(jù)平臺 Kaggle 近日發(fā)布了 2017 機器學(xué)習(xí)及數(shù)據(jù)科學(xué)調(diào)查報告，這也是 Kaggle 首次進(jìn)行全行業(yè)調(diào)查。調(diào)查共收到超過 16000 份回復(fù)，受訪內(nèi)容包括最受歡迎的編程語言、不同國家數(shù)據(jù)科學(xué)家的平均年齡、不同國家的平均年薪等。

下面主要看看工具使用方面的結(jié)果。請注意，該報告包含多個國家的數(shù)據(jù)，可能存在收集不夠全面的情況，僅供參考。

年齡

從全球范圍來看，本次調(diào)查對象的平均年齡在 30 歲左右。當(dāng)然，各個國家的數(shù)值會有差異，中國的機器學(xué)習(xí)從業(yè)者年齡的中位數(shù)是 25 歲。

全球全職工作者為 65.7% ，其中中國為 53.% ，美國占比較高，達(dá) 70.9% 。

Logistic 回歸是除了軍事和國安領(lǐng)域外，最常用的數(shù)據(jù)科學(xué)研究方法。在軍事和國防安全領(lǐng)域，神經(jīng)網(wǎng)絡(luò)被使用更多。

在工具語言使用方面，Python是數(shù)據(jù)科學(xué)家使用最多的語言。同時，統(tǒng)計學(xué)家對 R 語言的忠誠度很高。

關(guān)系型數(shù)據(jù)是最常用的數(shù)據(jù)類型，學(xué)術(shù)研究者和國防安全領(lǐng)域則更親睞文本和圖像。

Git 是他們最常用的代碼共享和托管方式。

Dirty Data （臟數(shù)據(jù)）是從業(yè)者遇到的最大障礙。此外，理解不同算法的能力不夠也是困擾數(shù)據(jù)工作者的一大障礙。缺乏有效管理和資金支持，是面臨的兩大外在困境。

有趣的是，只使用 Python 或只使用 R 的都覺得他們做出了正確的選擇。 但是，如果你去詢問那些既使用 Python 也使用 R 的人，推薦使用 Python 的可能會是 R 的兩倍。

數(shù)據(jù)科學(xué)是個變化極快的領(lǐng)域，業(yè)內(nèi)人員需要不斷更新知識體系，才可以在業(yè)內(nèi)保持一定地位，不被時代淘汰。Stack Overflow Q&A、Conferences 和 Podcasts 是已從業(yè)者經(jīng)常使用的學(xué)習(xí)平臺。