[[208216]]

***消息，Kaggle最近對機器學(xué)習(xí)及數(shù)據(jù)科學(xué)領(lǐng)域進行了全行業(yè)深度調(diào)查，調(diào)查共收到超過 16,000 份回復(fù)，受訪內(nèi)容包括***的編程語言是什么，不同國家數(shù)據(jù)科學(xué)家的平均年齡是什么，不同國家的平均年薪是多少等。

不過，因為中國的數(shù)據(jù)收集不夠全面，而美國數(shù)據(jù)也同樣存在清洗不夠的情況，所以，以下數(shù)據(jù)僅供參考。希望Kaggle下次能將數(shù)據(jù)做得更透徹更深入更全面。

以下為AI科技大本營對其進行的數(shù)據(jù)整理，并從中美數(shù)據(jù)科學(xué)和機器學(xué)習(xí)對比的角度呈現(xiàn)如下：

中美數(shù)據(jù)工作者概況對比

年齡

從世界范圍來看，本次調(diào)查對象的平均年齡大約 30 歲，當(dāng)然，這個值在各個國家之間有變動。

以下為中美調(diào)查對象的年齡對比：

中國

在中國，機器學(xué)習(xí)從業(yè)者年齡的中位數(shù)是25歲，從業(yè)者集中在20-30歲年齡段。這可能反映出中國從業(yè)者人群的大體分布，但鑒于Kaggle所統(tǒng)計到的數(shù)據(jù)量，其中的細節(jié)還值得商榷一番。   

美國

在美國，機器學(xué)習(xí)從業(yè)者年齡的中位數(shù)是32歲，以20-30歲年齡段的人數(shù)最多。但令人意外的是，我們在圖表中看到一位年滿100歲的大牛，還有幾位年齡接近0歲的小朋友。我們尚不清楚Kaggle這里數(shù)據(jù)清洗的細節(jié)，不過這幾位大牛果真存在的話，務(wù)請聯(lián)系A(chǔ)I科技大本營，我們對您的存在非常感興趣。

中美就業(yè)狀況對比

中國全職工作者占53.%%，美國則高達70.9%

中國  

美國

中美數(shù)據(jù)科學(xué)具體職位對比圖

數(shù)據(jù)科學(xué)領(lǐng)域可涵蓋的工作非常多，包括機器學(xué)習(xí)工程師，數(shù)據(jù)分析師，數(shù)據(jù)科學(xué)家，軟件開發(fā)人員，數(shù)據(jù)挖掘人員等。以下為中美在數(shù)據(jù)科學(xué)領(lǐng)域的對比圖： 

中國 

美國

年薪

從全球來看，數(shù)據(jù)科學(xué)人員的年薪中位數(shù)為$55,441。在中國，數(shù)據(jù)科學(xué)家的年薪中位數(shù)為$29，835。美國則高達$110，000 

中國全職年薪 

美國全職年薪

***學(xué)歷

通常來講，數(shù)據(jù)科學(xué)從業(yè)者中最普遍的學(xué)歷是碩士，但一般來講，博士學(xué)位能拿到($150K - $200K 和 $200k+)的高薪。

就中國而言，碩士學(xué)位在總體占比為40.5%，博士僅11.2%，本科學(xué)位從業(yè)人數(shù)則高達39.5%，與碩士從業(yè)人數(shù)持平。

而美國，碩士學(xué)位只有44.5%，博士學(xué)位高達20.7%，本科從業(yè)者占比也高達26.5%。

總的來說，美國博士學(xué)位高達20.7%，從占比上來看，接近中國的兩倍(中國為11.2%)。

中國

美國

數(shù)據(jù)科學(xué)家到底是怎么工作的?

工作中使用什么樣的方法?

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)使用地更多。

所有國家整體數(shù)據(jù)

數(shù)據(jù)工作中使用最多的工具語言是?

總體來說，Python是數(shù)據(jù)工作者使用最多的語言。同時，數(shù)據(jù)研究人員對R語言的忠誠度也很高。

所有國家整體數(shù)據(jù)

工作中使用什么類型的數(shù)據(jù)?

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

所有國家整體數(shù)據(jù)

工作中使用什么樣的代碼共享和托管方式?

大部分數(shù)據(jù)工作者使用Git分享代碼。不過，大公司的工作者更喜歡將代碼保留在本地，并將代碼用郵件分享。初創(chuàng)公司則用更快捷的云分享方式。

所有國家整體數(shù)據(jù)

工作中遇到了什么樣的障礙?

臟數(shù)據(jù)(Dirty Data)是***障礙。機器有側(cè)重，但理解不同算法的能力不夠也是一大困擾數(shù)據(jù)工作者的障礙。缺乏有效管理和資金支持是數(shù)據(jù)工作者面臨的兩大外在困境。

數(shù)據(jù)科學(xué)新手如何在這個行業(yè)嶄露頭角?

根據(jù)你的經(jīng)驗，你會向數(shù)據(jù)科學(xué)新手推薦使用哪種語言?

這個因人而異。在Python和R兩大使用群體***的語言中，大部分人覺得Python更值得被推薦。

你從哪里獲得數(shù)據(jù)科學(xué)的學(xué)習(xí)資源?

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。發(fā)布新軟件時，一定記住閱讀官方使用指南，并推薦去YouTube觀看使用視頻。 

從哪里獲得開放數(shù)據(jù)集?

沒有數(shù)據(jù)就沒有數(shù)據(jù)科學(xué)!當(dāng)涉及到一些數(shù)據(jù)科學(xué)技巧時，知道如何找到練習(xí)所用的干凈的開源數(shù)據(jù)集和項目非常重要。越來越多人開始使用我們的數(shù)據(jù)集聚合器(https://www.kaggle.com/datasets). 

通過什么渠道獲得工作?

根據(jù)數(shù)據(jù)科學(xué)領(lǐng)域過來人的經(jīng)驗，以下這些方法可能會比在公司網(wǎng)站，招聘網(wǎng)站上投遞簡歷更高效，比如通過建立自己在這個行業(yè)的關(guān)系網(wǎng)絡(luò)。

以上內(nèi)容來自于kaggle網(wǎng)站。