數(shù)據(jù)是新的石油，不過(guò)要想開(kāi)采石油需要有熟練的工程師才行。數(shù)據(jù)科學(xué)家就是干這個(gè)的。但是要想成為一名數(shù)據(jù)科學(xué)家，你得掌握特定技能才行。哪些才是對(duì)數(shù)據(jù)科學(xué)家最迫切的技能呢？讓Jeff Hale告訴我們答案。最難能可貴的是，其對(duì)需求最迫切技能的研究分析也體現(xiàn)出了一位數(shù)據(jù)科學(xué)家的素養(yǎng)。這個(gè)分析過(guò)程本身就非常的嚴(yán)謹(jǐn)，值得學(xué)習(xí)借鑒。

大家對(duì)數(shù)據(jù)科學(xué)家的預(yù)期是應(yīng)該懂很多——機(jī)器學(xué)習(xí)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)、數(shù)學(xué)、數(shù)據(jù)可視化、溝通，以及深度學(xué)習(xí)。這些領(lǐng)域牽涉到很多的語(yǔ)言、框架以及技術(shù)的學(xué)習(xí)。數(shù)據(jù)科學(xué)家要想成為雇主想要的那種人才的話，應(yīng)該把學(xué)習(xí)的精力放在哪些地方呢？

我到求職網(wǎng)站去尋找對(duì)數(shù)據(jù)科學(xué)家最迫切的技能需求是什么。我看了一般的數(shù)據(jù)科學(xué)技能，也分別看了對(duì)語(yǔ)言和工具的要求。2018年10月10日，我在LinkedIn、Indeed、SimplyHired、Monster以及AngelList上面搜索了求職列表。下面這張圖列出了每個(gè)網(wǎng)站對(duì)數(shù)據(jù)科學(xué)家的需求數(shù)量。

我看了很多求職列表和調(diào)查以找出最常見(jiàn)的技能。像管理這類(lèi)的術(shù)語(yǔ)就不進(jìn)行比較了，因?yàn)榭梢杂玫降膱?chǎng)合太多了。

所有的搜索都是針對(duì)美國(guó)，使用了“data scientist（數(shù)據(jù)科學(xué)家）”、“[keyword]”作為搜索關(guān)鍵字。采用精確匹配以減少搜索結(jié)果數(shù)。然而，這個(gè)方法確保了結(jié)果對(duì)數(shù)據(jù)科學(xué)家職位是相關(guān)的，并且對(duì)所有搜索術(shù)語(yǔ)都產(chǎn)生類(lèi)似的作用。

AngelList提供的是列出數(shù)據(jù)科學(xué)家崗位的公司數(shù)而不是崗位數(shù)。我把AngelList從所有分析里面排除掉了，因?yàn)槠渌阉?a href="http://qiaming.cn/v/tag/2562/" target="_blank">算法似乎按照OR型的邏輯搜索進(jìn)行，沒(méi)有辦法改成AND。如果你尋找的是“數(shù)據(jù)科學(xué)家”“TensorFlow”的話，AngelList也沒(méi)問(wèn)題，因?yàn)檫@只能在數(shù)據(jù)科學(xué)家崗位里面找到，但如果你的關(guān)鍵字是“數(shù)據(jù)科學(xué)家”“react.js”的話，它返回的結(jié)果就太多了，其中會(huì)包括一大堆非數(shù)據(jù)科學(xué)家的崗位列表。

Glassdoor也被排除在我的分析之外。該網(wǎng)站聲稱(chēng)在美國(guó)有26263個(gè)“數(shù)據(jù)科學(xué)家”職位，但是顯示出來(lái)的卻不超過(guò)900個(gè)。此外，它上面的數(shù)據(jù)科學(xué)家崗位數(shù)超過(guò)任何其他主流平臺(tái)3倍以上似乎極不可能。

LinkedIn上超過(guò)400個(gè)崗位列表都提到的通用技能以及超過(guò)200個(gè)崗位列表都提到的特別技術(shù)被納入到最終分析里面。當(dāng)然，這兩者之間會(huì)有一些交叉。結(jié)果已經(jīng)被記錄進(jìn)這張Google Sheet里面。

我下載了.csv文件并且導(dǎo)入到JupyterLab。然后我計(jì)算了出現(xiàn)比例并求出求職網(wǎng)站之間的平均數(shù)。

我還將軟件結(jié)果跟GlassDoor的一項(xiàng)研究（2017年上半年，針對(duì)數(shù)據(jù)科學(xué)家崗位列表）進(jìn)行了對(duì)比。再結(jié)合KDNuggets使用情況調(diào)查的信息，似乎一些技能正在變得越來(lái)月重要，而其他一些的相關(guān)性則在下降。后面我們會(huì)細(xì)談。

互動(dòng)式圖表可以到我的Kaggle Kernel上面去看，額外分析可參見(jiàn)此處。可視化我用的是Plotly。為了本文結(jié)合使用Plotly和JupyterLab可費(fèi)了一點(diǎn)功夫——相關(guān)指令可到我的Kaggle Kernel找，另外這里也有Plotly的腳本。

通用技能

下面這張圖反映的是雇主尋找最頻繁的數(shù)據(jù)科學(xué)家通用技能。

結(jié)果表明，分析和機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)家崗位的核心技能。從數(shù)據(jù)中發(fā)現(xiàn)洞察是數(shù)據(jù)科學(xué)的主要職能。機(jī)器學(xué)習(xí)則是要?jiǎng)?chuàng)建系統(tǒng)來(lái)預(yù)測(cè)表現(xiàn)，這是非常亟需的技能。

數(shù)據(jù)科學(xué)需要統(tǒng)計(jì)和計(jì)算機(jī)科學(xué)技能——這一點(diǎn)并不出奇。統(tǒng)計(jì)分析、計(jì)算機(jī)科學(xué)以及數(shù)學(xué)也是大學(xué)的專(zhuān)業(yè)，這大概對(duì)其出現(xiàn)頻率有幫助。

有趣的是溝通在將近一般的崗位列表中被提到。數(shù)據(jù)科學(xué)家需要將洞察與工作與他人進(jìn)行溝通。

AI和深度學(xué)習(xí)的出現(xiàn)頻率沒(méi)有其他一些屬于那么頻繁。然而，它們都屬于機(jī)器學(xué)習(xí)的子集。機(jī)器學(xué)習(xí)過(guò)去由其他算法執(zhí)行的任務(wù)正在被越來(lái)越多的深度學(xué)習(xí)算法替代。比方說(shuō)，大多數(shù)自然語(yǔ)言處理問(wèn)題最好的機(jī)器學(xué)習(xí)算法現(xiàn)在都是深度學(xué)習(xí)算法。我預(yù)計(jì)深度學(xué)習(xí)技能在未來(lái)的需求會(huì)更加迫切，而機(jī)器學(xué)習(xí)也將日益變成深度學(xué)習(xí)的同義詞。

此外，哪些數(shù)據(jù)科學(xué)家的軟件工具是雇主想要尋求的呢？下面我們就來(lái)看看這個(gè)問(wèn)題的答案。

技術(shù)技能

以下是雇主希望數(shù)據(jù)科學(xué)家掌握的排名靠前的20種語(yǔ)言、庫(kù)以及技術(shù)工具。

我們大概看一下其中最常見(jiàn)的技術(shù)技能。

Python

Python是需求最旺盛的語(yǔ)言。這門(mén)開(kāi)源語(yǔ)言的流行度已經(jīng)被很多人注意到。它對(duì)初學(xué)者很友好，有許多支持資源。絕大部分新的數(shù)據(jù)科學(xué)工具都兼容它。Python是數(shù)據(jù)科學(xué)家的主要語(yǔ)言。

R

R語(yǔ)言并不比Python落后多少。它一度是數(shù)據(jù)科學(xué)的主要語(yǔ)言。我反而對(duì)它的需求依然如此旺盛感到吃驚。這門(mén)開(kāi)源語(yǔ)言的根在統(tǒng)計(jì)，至今在統(tǒng)計(jì)學(xué)家那里仍非常流行。

Python或者R幾乎是每一個(gè)數(shù)據(jù)科學(xué)家崗位的必須。

SQL

SQL的需求也很高。SQL即結(jié)構(gòu)化查詢(xún)語(yǔ)言（Structured Query Language），是與關(guān)系式數(shù)據(jù)庫(kù)的主要交互方式。SQL有時(shí)候會(huì)被數(shù)據(jù)科學(xué)界忽視，但這是一門(mén)值得掌握的技能，如果你打算切入求職市場(chǎng)的話。

Hadoop、Spark

接下來(lái)是Hadoop和Spark，這兩個(gè)都是出自Apache的大數(shù)據(jù)開(kāi)源工具。

Apache Hadoop是一個(gè)利用商品化硬件搭建的計(jì)算機(jī)集群對(duì)超大規(guī)模數(shù)據(jù)集進(jìn)行分布式存儲(chǔ)和分布式處理的開(kāi)源軟件平臺(tái)。

Apache Spark是一個(gè)有著優(yōu)雅的、富有表現(xiàn)力的API，可讓數(shù)據(jù)工作者高效執(zhí)行需要對(duì)數(shù)據(jù)集進(jìn)行快速迭代存取的流處理、機(jī)器學(xué)習(xí)或者SQL負(fù)載的快速內(nèi)存數(shù)據(jù)處理引擎。

相對(duì)于其他，這些工具在Medium和教程中被提及的次數(shù)少了點(diǎn)。我猜具備這些技能的求職者要比具備Python、R和SQL技能的求職者少得多。如果你掌握了一定Hadoop和Spark經(jīng)驗(yàn)的話，應(yīng)該可以在競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)。

Java、SAS

然后是Java和SAS。這兩門(mén)語(yǔ)言地位這么高倒是出乎我的意料。其背后都有大公司的支持，支持至少都提供了一些免費(fèi)的產(chǎn)品。不過(guò)Java和SAS在數(shù)據(jù)科學(xué)社區(qū)受到的關(guān)注都很少。

Tableau

對(duì)Tableau的需求次之。這個(gè)分析平臺(tái)和可視化工具非常強(qiáng)大，易用，而且越來(lái)越流行。它有一個(gè)免費(fèi)的公共版本，但是如果你想數(shù)據(jù)保持私有的話得花錢(qián)。

如果你對(duì)Tableau不熟悉的話，到Udemy上一門(mén)Tableau 10 A-Z快速了解一下絕對(duì)是值得的。聲明一下啊，我這么建議可不是拿了傭金的——那是因?yàn)槲疑线^(guò)這門(mén)課之后發(fā)現(xiàn)它的確有用。

下面這張表反映的是更大范圍內(nèi)的語(yǔ)言、框架等數(shù)據(jù)科學(xué)軟件工具的需求情況。

歷史對(duì)比

GlassDoor對(duì)2017年1月到7月間數(shù)據(jù)科學(xué)家10大最常見(jiàn)的軟件技能進(jìn)行了分析。以下是那些術(shù)語(yǔ)出現(xiàn)的頻度相對(duì)2018年10月在LinkedIn、Indeed、SimplyHired及Monster上出現(xiàn)頻度平均數(shù)的對(duì)比。

結(jié)果相當(dāng)類(lèi)似。我的分析和GlassDoor的分析都發(fā)現(xiàn)Python、R及SQL都是需求最旺盛的技能。兩份分析發(fā)現(xiàn)的需求前9大技術(shù)技能都是一樣的，盡管順序方面略有不同。

結(jié)果表明，相對(duì)于2017年上半年，R、Hadoop、Java、SAS及MatLab現(xiàn)在的需求略微下降，而對(duì)Tableau的需求則在上升。加上KDnuggets開(kāi)發(fā)者調(diào)查這類(lèi)的輔助性結(jié)果，我想這就是我預(yù)期的結(jié)論。R、Hadoop、Java和SAS均呈現(xiàn)出多年的下降趨勢(shì)，而則顯示出明顯的上升勢(shì)頭。

建議

基于這些分析的結(jié)果，以下是對(duì)當(dāng)前和想要成為數(shù)據(jù)科學(xué)家的人提供的提升自我價(jià)值的建議。

證明你可以進(jìn)行數(shù)據(jù)分析并且專(zhuān)注機(jī)器學(xué)習(xí)，要變得非常擅長(zhǎng)。

對(duì)你的溝通技能進(jìn)行投資。我建議去讀讀《Made to Stick（讓創(chuàng)意更有粘性）》這本書(shū)來(lái)讓你的想法產(chǎn)生更大影響。此外還可以用Hemmingway Editor這款app改進(jìn)寫(xiě)作的清晰性。

掌握一種深度學(xué)習(xí)框架。精通一種深度學(xué)習(xí)框架在精通機(jī)器學(xué)習(xí)中占據(jù)了越來(lái)越大的部分。深度學(xué)習(xí)框架在使用情況、流行度等方面的對(duì)比情況可以看我的這篇文章。

如果你要走學(xué)習(xí)Python和R語(yǔ)言之間做選擇的話，選Python。如果你對(duì)Python不感冒，那就選擇R。如果你也懂R的話在市場(chǎng)上一定會(huì)更加搶手。

當(dāng)雇主尋找懂Python技能的數(shù)據(jù)科學(xué)家時(shí)，他們可能也會(huì)預(yù)期應(yīng)征者了解常見(jiàn)的python數(shù)據(jù)庫(kù)庫(kù)：numpy、pandas、scikit-learn以及matplotlib等。如果你想學(xué)習(xí)這里提到的工具的話，我建議你看看以下這些資源：

DataCamp及DataQuest——均為定價(jià)合理的在線SaaS數(shù)據(jù)科學(xué)教育產(chǎn)品，可以一邊編碼一邊學(xué)習(xí)。這兩個(gè)都教若干的技術(shù)工具。

Data School上面有各種資源，其中就包括了一套很好的YouTube視頻，里面解釋了數(shù)據(jù)科學(xué)的概念。

McKinney的《Python for Data Analysis》。這本書(shū)是pandas庫(kù)的主要作者寫(xiě)的，聚焦的是pandas，同時(shí)也討論了python基礎(chǔ)、numpy以及scikit-learn的數(shù)據(jù)科學(xué)功能。

Müller & Guido的《Introduction to Machine Leaning with Python》。Müller是scikit-learn的主要維護(hù)者之一。這本書(shū)非常優(yōu)秀，是學(xué)習(xí)用scikit-learn做機(jī)器學(xué)習(xí)的好讀物。

如果你尋求去學(xué)習(xí)深度學(xué)習(xí)的話，我建議先從Keras或者FastAI開(kāi)始，然后再轉(zhuǎn)到TensorFlow或者PyTorch。Chollet的《Deep Learning with Python》是學(xué)習(xí)Keras的好資源。

除了這些推薦以外，我還建議你學(xué)習(xí)自己感興趣的東西，盡管在決定如何分配學(xué)習(xí)時(shí)間方面顯然有很多考慮因素。

LinkedIn

如果你要通過(guò)在線門(mén)戶找數(shù)據(jù)科學(xué)家崗位的話，我建議你從LinkedIn開(kāi)始——這個(gè)地方總是有最多的結(jié)果。

如果你在求職網(wǎng)站上尋找工作或者職位的話，關(guān)鍵字很重要。每個(gè)網(wǎng)站搜“數(shù)據(jù)科學(xué)”返回的結(jié)果數(shù)幾乎是“數(shù)據(jù)科學(xué)家”的3倍。但如果你要找的就是數(shù)據(jù)科學(xué)家的工作的話，最好還是搜索“數(shù)據(jù)科學(xué)家”。

無(wú)論你去哪里找，我建議你要制作一份在線作品集來(lái)證明你擅長(zhǎng)許多亟需的技能。我也建議你在LinkedIn檔案上展示你的技能。