Kaggle?是互聯(lián)網(wǎng)上最著名的數(shù)據(jù)科學競賽平臺之一，今年?3?月?8?日，這家機構(gòu)被谷歌收購，6?月?6?日又宣布用戶數(shù)量超過了?100?萬人。互聯(lián)網(wǎng)創(chuàng)業(yè)方興未艾，人工智能的浪潮又接踵而來，而貫穿其中的數(shù)據(jù)科學則在這更迭交替中顯得愈發(fā)重要。

最近，這一社區(qū)首次進行了機器學習/數(shù)據(jù)科學現(xiàn)狀調(diào)查。在超過?16,000?名從業(yè)者的詳盡答卷中，我們可以一窺目前業(yè)內(nèi)的發(fā)展趨勢。有趣的是，Kaggle?也將調(diào)查結(jié)果封裝成了匿名數(shù)據(jù)集以供大家自行分析。

以下報告包括本次調(diào)查的所有主要結(jié)果，其中包含的主要內(nèi)容有：

雖然?Python?很可能是機器學習最常用的編程語言，但統(tǒng)計學家更多地使用?R?語言。

平均而言，數(shù)據(jù)科學家的年齡在?30?歲左右，但是這個數(shù)字在不同的國家有所不同。例如，印度的受訪者要比澳大利亞的平均年輕?9?歲。

有關(guān)被調(diào)查者教育程度，最普遍的學位是碩士，但是工資最高的（$150k+）人群中，擁有博士學位的人稍稍多一點。

數(shù)據(jù)科學從業(yè)者畫像

年齡：平均年齡為 30 歲，但國家間略有不同，例如印度的平均年齡就比澳大利亞年輕了9歲，而中國受訪者的平均年齡為 25 歲。

工作狀態(tài)：受訪者中有全職工作的占 65.7%，正在找工作的占 12.7%。而在中國，這兩個數(shù)字分別為 53.5% 和 17%。

職位：數(shù)據(jù)科學領(lǐng)域的工作劃分非常繁雜，比如在伊朗和馬來西亞，最普遍的頭銜是“科學家”或“研究員”，而在中國，最流行的頭銜則是“機器學習工程師”。

年薪：全球數(shù)據(jù)科學從業(yè)者的平均年薪是 55441 美元，美國的數(shù)據(jù)科學從業(yè)者平均薪資最高，達 11 萬美元，而這一數(shù)字在中國只有 29835 美元（或許和樣本數(shù)量較少有關(guān)）。

學歷：數(shù)據(jù)科學從業(yè)者中比例最高的是碩士，但博士的薪水顯然更高。

數(shù)據(jù)科學從業(yè)者工作內(nèi)容

數(shù)據(jù)科學方法使用：Logistic?回歸是工作之中最為常用的數(shù)據(jù)科學方法，不過神經(jīng)網(wǎng)絡(luò)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。我們看到目前神經(jīng)網(wǎng)絡(luò)模型的使用頻率要高于支持向量機，這可能是近來多層感知機要比使用帶核函數(shù)的?SVM?更加廣泛的表現(xiàn)。

語言使用：Python 依舊是數(shù)據(jù)科學家最常用的語言，而 R?語言也很流行。

數(shù)據(jù)類型：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，而在學術(shù)研究和國防安全領(lǐng)域，文本型數(shù)據(jù)使用的更多。

代碼分享：58.4% 的受訪者在工作中使用?Git 分享他們的代碼。但大公司中的開發(fā)者更傾向于使用電子郵件來分享他們的代碼，而創(chuàng)業(yè)公司則對云的方式情有獨鐘。

工作障礙：臟數(shù)據(jù)（dirty?data）顯然又名列榜首。通俗的講，當一個事務(wù)正在訪問數(shù)據(jù)，并且對數(shù)據(jù)進行了修改，而這種修改還沒有提交到數(shù)據(jù)庫中，這時，另外一個事務(wù)也訪問這個數(shù)據(jù)，然后使用了這個數(shù)據(jù)。因為這個數(shù)據(jù)是還沒有提交的數(shù)據(jù)，那么另外一個事務(wù)讀到的這個數(shù)據(jù)是臟數(shù)據(jù)，依據(jù)臟數(shù)據(jù)所做的操作可能是不正確的。

數(shù)據(jù)科學新手入行

語言選擇：數(shù)據(jù)顯示?Python 和 R?語言依舊是推薦程度最高的兩種語言，而 Python?的受追捧程度又是 R?語言的兩倍之高。

學習資源：數(shù)據(jù)科學是一個快速變化的領(lǐng)域，不斷的學習已經(jīng)成為了一種必需的技能，而目前行業(yè)內(nèi)的人會更多通過 Stack?Overflow?Q&A，Conferences?和?Podcasts 來進行學習。除此以外，官方的文檔和觀看?Youtube?視頻也不失為有效地學習途徑。

開源數(shù)據(jù)獲取：dataset?aggregators、https://www.kaggle.com/datasets

找工作：首選方法是直接聯(lián)系招聘者或建立自己的人脈網(wǎng)絡(luò)

報告下載：https://www.kaggle.com/surveys/2017

調(diào)查數(shù)據(jù)下載：https://www.kaggle.com/kaggle/kaggle-survey-2017

?

作為一個集合社群、競賽、用數(shù)據(jù)解決問題三個核心于一身的平臺，不論是企業(yè)、某個領(lǐng)域的研究組織、甚至是政府機構(gòu)，都可以把數(shù)據(jù)集（dataset）跟想要解決的問題丟到?Kaggle?上去，請數(shù)據(jù)專家來幫忙解答。

從另一個角度來看，Kaggle 上聚集了眾多對機器學習、人工智能有興趣的人，包括數(shù)據(jù)科學家、統(tǒng)計高手、工程師或者是學生，他們利用數(shù)據(jù)采礦、深度學習、統(tǒng)計等方式搭建出解答問題的模型或算法，勝出者就有機會獲得禮品、獎金或是工作機會，當然也有不少參加比賽的人是純粹出自興趣。

?

例如，全球最大衛(wèi)星影像公司 Planet，主要是透過衛(wèi)星影像監(jiān)控亞馬遜雨林的變化，但他們發(fā)現(xiàn)還是有些問題無解，例如無法分辨雨林的減少是人為造成還是自然因素，所以在 Kaggle 上舉辦比賽，希望可以有更好的算法來保護亞馬遜雨林，吸引了不少關(guān)注生態(tài)議題的人參與。

?

正因為 Kaggle 上高手云集，吸引不少大型企業(yè)、機構(gòu)都到此舉辦比賽，比如Google、Facebook、Airbnb、沃爾瑪、Benz、Bosch、英特爾、西班牙國際銀行（Santander）、歐洲量子物理研究所（CERN）等，而且獎金額度更已有突破百萬美元等級的案例。

??

圖丨Kaggle上獎金排名前五的競賽

Kaggle 創(chuàng)始人 Anthony Goldbloom 在澳洲墨爾本大學畢業(yè)后，曾經(jīng)在《經(jīng)濟學人》雜志當過實習記者，之后進入澳洲聯(lián)邦政府財政部（Australian Treasury）、澳洲儲備銀行（RBA）擔任經(jīng)濟計量學家。當時他就預見數(shù)據(jù)科學將在未來扮演重要的角色，就在澳洲曾建立了一個數(shù)據(jù)科學家的線上社群。但他心想，為何不把數(shù)據(jù)開放，讓大家通過比賽的方式找到最好的算法？

圖丨Kaggle 創(chuàng)始人 Anthony Goldbloom?

所以，他把公司搬到硅谷從而創(chuàng)立了 Kaggle，依靠社群成功累積了龐大的用戶， Goldbloom 在接受澳洲媒體采訪時表示，“Kaggle 今日已經(jīng)擁有一百萬用戶，未來幾年還會成長十倍甚至百倍，因為這個領(lǐng)域的人才需求缺口還很大。

總結(jié)

以上是生活随笔為你收集整理的Kaggle 发布首份数据科学从业报告 | 不及美国同行1/3，中国数据科学家平均年薪约3万美元的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。