[[209261]]

今年，Kaggle有史以來***次對人工智能領(lǐng)域進行了深度調(diào)查，旨在全面了解數(shù)據(jù)科學和機器學習的概況。本次調(diào)查收到了16000 多份答卷，龐大的調(diào)查數(shù)據(jù)為我們提供了有關(guān)從業(yè)者、業(yè)界***動態(tài)以及如何進入該行業(yè)的數(shù)據(jù)支撐。以下報告包括本次調(diào)查的幾個主要結(jié)果，其中包括：

1. 盡管Python很可能是機器學習最常用的編程語言，但統(tǒng)計學家使用最多的是 R 語言。
2. 數(shù)據(jù)科學家的平均年齡在 30 歲左右，但是這個數(shù)字在不同的國家有所不同。例如，印度受訪者的平均年齡要比澳大利亞的小 9 歲。
3. 被調(diào)查者教育程度最多是碩士，但在工資***的(超過15萬美元)人群中，擁有博士學位的人則更多。

Kaggle 已經(jīng)公開了該調(diào)查的匿名數(shù)據(jù)集，以供大家進行研究，可以從此處下載：https://www.kaggle.com/kaggle/kaggle-survey-2017。

誰在工作中與數(shù)據(jù)打交道?

分析數(shù)據(jù)從業(yè)者的方式有很多種，本文將從有關(guān)數(shù)據(jù)科學從業(yè)者的工作、背景等人口統(tǒng)計學信息開始。

年齡多大?

從下圖可見，本次調(diào)查對象的平均年齡大約為 30 歲，但各個國家的這個值有所不同。例如印度調(diào)查對象的平均年齡就比澳大利亞的小了 9 歲。 

目前的就業(yè)狀況如何?

受調(diào)查者中，有 65.7% 表示自己有全職工作。

職位是什么?

盡管我們把數(shù)據(jù)科學家定義為使用代碼分析數(shù)據(jù)的人，但我們發(fā)現(xiàn)數(shù)據(jù)科學領(lǐng)域可涵蓋的工作非常多。比如在伊朗和馬來西亞，數(shù)據(jù)科學從業(yè)者***的工作頭銜是“科學家或者研究員”。

全職工作的年薪是多少?

中位數(shù)55441美元，不過由于很多人沒有全職工作(收入為 0)，所以這一數(shù)字并不準確。盡管在我們的調(diào)查中“補償和福利”的重要性稍微比“職業(yè)發(fā)展機遇”低一些，不過知道什么是合理的補償依然不錯。在美國，一般機器學習工程師帶回家最多的東西是培根。

有131個回復由于超出***值而沒有顯示出來，但它們被算進了中位數(shù)。

***學歷是什么?

你需要再去讀一個學位嗎?通常來講，數(shù)據(jù)科學從業(yè)者中最常見的學歷是碩士，但是獲取***薪水(15萬到20萬美元，以及高于20萬美元)的那些人大多有著博士學位。

被調(diào)查者的大多是 30 歲左右，碩士學歷，年薪5.5萬美元左右，擁有數(shù)據(jù)科學家的職位。但實際情況并不如此平均。這些最初的幾個人口統(tǒng)計學問題只是展示了復雜的 Kaggle 數(shù)據(jù)科學社區(qū)在年齡、性別、國籍、工作職稱、薪水、經(jīng)驗和學歷方面的表層差異。

數(shù)據(jù)科學家的工作內(nèi)容是什么?

我們把數(shù)據(jù)科學家定義為寫代碼來分析數(shù)據(jù)的人。他們的日常工作內(nèi)容是什么呢?以下是我們的調(diào)查結(jié)果。

工作中使用哪些數(shù)據(jù)科學方法?

邏輯回歸是工作之中最為常用的數(shù)據(jù)科學方法，不過在神經(jīng)網(wǎng)絡使用更為頻繁的國家安全領(lǐng)域除外。總的來說，數(shù)據(jù)科學中更常見的還是使用經(jīng)典的機器學習算法，簡單的線性與非線性分類器是數(shù)據(jù)科學中最常見的算法，而功能強大的集成方法也十分受歡迎。

工作中使用最多的編程語言是什么?

Python是數(shù)據(jù)科學家最常用的語言，也是最常用的數(shù)據(jù)分析工具。不過，也有很多數(shù)據(jù)科學家仍然保持著對 R 語言的忠誠。

在工作中常用的數(shù)據(jù)類型是什么?

關(guān)系型數(shù)據(jù)是開發(fā)者在工作中最常用的數(shù)據(jù)類型，因為大多數(shù)產(chǎn)業(yè)工程師都十分關(guān)注于這種關(guān)系型數(shù)據(jù)。而學術(shù)研究者和國防安全產(chǎn)業(yè)則更注重于文本與圖像。

如何分享工作中的代碼?

盡管很多受訪者(58.4%)在工作使用 Git 來分享代碼，但大公司中的開發(fā)者更傾向于將代碼保留在本地，并通過像 Email 那樣的文件共享軟件來分享代碼。而初創(chuàng)公司可能需要在云中共享以保持更加敏捷的反應。 

工作中遇到的障礙主要有哪些?

臟數(shù)據(jù)(dirty data)顯然排在了***位，也就是說，數(shù)據(jù)科學家最常見的困擾就是需要對數(shù)據(jù)進行大量的預處理工作。除了數(shù)據(jù)預處理之外，還有很多問題困擾著數(shù)據(jù)科學家，比如說眾多的機器學習算法各有各的擅長領(lǐng)域，所以了解它們的性能也會有一些困難。

數(shù)據(jù)科學家初學者如何進入這個領(lǐng)域?

當開始一個新的職業(yè)生涯的時候，參考別人的成功經(jīng)驗會很有幫助。我們調(diào)查了在數(shù)據(jù)科學行業(yè)工作的人們，詢問他們是如何入門的。以下是我們最喜歡的幾條建議：

你們會推薦數(shù)據(jù)科學家新手***學哪門語言?

每一位數(shù)據(jù)科學家都有自己的對選擇***門語言的想法。事實證明，那些僅使用 Python 或 R 語言的人們做出了正確的選擇。不過如果你問一下使用過 R 和 Python 的人們，他們有兩倍的可能會把 Python 推薦給你。

你們使用哪些數(shù)據(jù)科學學習資源?

數(shù)據(jù)科學是一個發(fā)展迅速的領(lǐng)域，有很多有價值的資源可以幫助你學習并保持業(yè)內(nèi)的***位置，從而不斷提升你的競爭力。已經(jīng)在數(shù)據(jù)科學領(lǐng)域中工作的人們會更多地使用 Stack Overflow Q&A，Conferences 和 Podcasts。如果想要發(fā)布內(nèi)容或開源軟件，請時刻記住剛進入這個領(lǐng)域的人們通常更多使用官方的文檔和觀看 Youtube 視頻。

你們在哪里獲取開源數(shù)據(jù)?

沒有數(shù)據(jù)，就沒有數(shù)據(jù)科學。當需要學習數(shù)據(jù)科學技巧的時候，知道如何找到干凈的開源數(shù)據(jù)集用于練習和開發(fā)項目相當重要。很高興我們的數(shù)據(jù)集聚合器正發(fā)展為數(shù)據(jù)科學社區(qū)成員中使用最頻繁的工具。

如何找工作，并且又是如何找到的?

在尋找工作地時候，人們可能會去公司網(wǎng)站，或在指定技術(shù)方向的招聘信息中尋找機會，但是根據(jù)數(shù)據(jù)科學領(lǐng)域工作的人們的經(jīng)驗，這些方式無疑是最差的選擇。直接聯(lián)系招聘者或建立自己的網(wǎng)絡以進入這個領(lǐng)域才是他們的***。

注意：少于 50 名受訪者的組別被合并進了“Other”類中。其中一些柱狀圖為了美觀而做了縮放處理。