機(jī)器學(xué)習(xí)從業(yè)者工具使用方面大數(shù)據(jù)分析

數(shù)據(jù)平臺(tái) Kaggle 近日發(fā)布了 2017 機(jī)器學(xué)習(xí)及數(shù)據(jù)科學(xué)調(diào)查報(bào)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(guò) 16000 份回復(fù)，受訪(fǎng)內(nèi)容包括最受歡迎的編程語(yǔ)言、不同國(guó)家數(shù)據(jù)科學(xué)家的平均年齡、不同國(guó)家的平均年薪等。

下面主要看看工具使用方面的結(jié)果。請(qǐng)注意，該報(bào)告包含多個(gè)國(guó)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(lái)看，本次調(diào)查對(duì)象的平均年齡在 30 歲左右。當(dāng)然，各個(gè)國(guó)家的數(shù)值會(huì)有差異，中國(guó)的機(jī)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(guó)為 53.% ，美國(guó)占比較高，達(dá) 70.9% 。

Logistic 回歸是除了軍事和國(guó)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(guó)防安全領(lǐng)域，神經(jīng)網(wǎng)絡(luò)被使用更多。

在工具語(yǔ)言使用方面，Python是數(shù)據(jù)科學(xué)家使用最多的語(yǔ)言。同時(shí)，統(tǒng)計(jì)學(xué)家對(duì) R 語(yǔ)言的忠誠(chéng)度很高。

關(guān)系型數(shù)據(jù)是最常用的數(shù)據(jù)類(lèi)型，學(xué)術(shù)研究者和國(guó)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(jué)得他們做出了正確的選擇。 但是，如果你去詢(xún)問(wèn)那些既使用 Python 也使用 R 的人，推薦使用 Python 的可能會(huì)是 R 的兩倍。

數(shù)據(jù)科學(xué)是個(gè)變化極快的領(lǐng)域，業(yè)內(nèi)人員需要不斷更新知識(shí)體系，才可以在業(yè)內(nèi)保持一定地位，不被時(shí)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(tái)。