一文详解数据科学家的必备技能（附学习资源）
|
下图显示了这些语言、框架和其他数据科学软件工具的列表。
历史比对 GlassDoor分析了2017年1月至2017年7月期间在其网站上的数据科学家最常见的10种软件技能。以下是与2018年10月LinkedIn, Indeed, SimplyHired, 和Monster平均水平相比，它们在网站上出现频率的比较。 结果非常相似。我的分析和GlassDoor’s都发现Python、R和SQL是最受欢迎的。我们还发现了同样的前九位技术技能，只是顺序略有不同。 结果表明，与2017年上半年相比，目前对R、Hadoop、Java、SAS和MATLAB需求较少，Tableau需求则更大。这就是我所期望的，对 KDnuggets developer survey等来源的结果的补充。在那里，R、Hadoop、Java和SAS都显示出明显的多年下降趋势，Tableau显示出明显的上升趋势。 建议 根据以上分析结果，为当前和有抱负的数据科学家，提出一些一般性的建议，以使自己在职场上更受欢迎： 1. 证明你可以进行数据分析，并专注于成为真正擅长机器学习的人。 2. 投资于自己的沟通技巧。我建议阅读《Made to Stick》这本书，它对你的想法会有更大的影响。还可以查看名称为 Hemmingway Editor的APP(应用程序)，以提高写作的清晰度。 《Made to Stick》：https://www.amazon.com/Made-Stick-Ideas-Survive-Others/dp/1400064287 Hemmingway Editor：http://www.hemingwayapp.com/ 3. 掌握一个深度学习的框架。对深度学习框架的熟练程度是精通机器学习的重要组成部分。有关深度学习框架在用法、兴趣和流行程度方面的比较，请参阅下方链接中的文章： https://towardsdatascience.com/deep-learning-framework-power-scores-2018-23607ddf297a 4. 如果在学习Python和R之间进行选择，请选择Python。如果对Python不感冒，考虑学习R。如果你会使用Python的同时也知道R，你肯定会更有市场。 当雇主正在寻找一位具备Python技能的数据科学家时，他们也期望应聘者能了解常见的Python数据科学库，如：numpy、pandas、scikit-learn和matplotlib。如果想学习这组工具，我建议提供以下资源： 1. DataCamp和 DataQuest：它们都是定价合理的在线SaaS数据科学教育产品，在这些产品中，您可以一边编写代码一边学习，二者都教授一些技术工具。 DataCamp https://www.datacamp.com/ DataQuest https://www.dataquest.io/ 2. Data School拥有多种资源，包括一套很好的视频，解释数据科学的概念。 Data School https://www.dataschool.io/start/ 视频资源：https://www.youtube.com/dataschool 3. 麦金尼(McKinney)的《用于数据分析的Python》。这本书由pandas库的主要作者撰写，重点关注pandas，还讨论了基本的python，numpy和scikit-learn等数据科学的知识。 Python for Data Analysis https://www.amazon.com/Python-Data-Analysis-Wrangling-IPython/dp/1491957662 4. Müller&Guido的《用Python进行机器学习简介》。米勒是scikit-learn的主要维护者。这是一本用于学习机器学习scikit-learn的很好的书。 Introduction to Machine Leaning with Python https://www.amazon.com/Introduction-Machine-Learning-Python-Scientists-ebook/dp/B01M0LNE8C 如果你想探究深度学习，我建议在进入TensorFlow或PyTorch之前先从Keras或FastAI开始。Chollet的《用Python进行的深度学习》一书是学习Keras的很好的资源。除了这些建议之外，我建议你了解自己感兴趣的内容，尽管在决定如何分配学习时间时有很多因素需要考虑。 如果你想通过网络门户寻找一份数据科学家的工作，我建议你从LinkedIn开始——它的结果总是最多的。 如果你在网上求职或者在求职网站上发布职位，关键词非常重要。“数据科学”返回的结果是“数据科学家”返回结果数的近3倍。但是，如果你在严格地寻找数据科学家的工作，你最好还是输入 “数据科学家”这个关键字。 无论你在哪个网站找工作，我建议你建立一个在线组合列表，列出你对所需求技能领域的熟练程度。我还建议用LinkedIn个人资料展示你的技能。 作为这个项目的一部分，我收集了其他数据，可能也会写成文章。跟我来，不要错过哦。 如果您希望看到交互式图表和它们背后的代码，请查看我的Kaggle Kernel： Kaggle Kernel：https://www.kaggle.com/discdiver/the-most-in-demand-skills-for-data-scientists/ 作者简介： Jeff Hale是一位经验丰富的企业家，曾为多家公司管理过技术、运营和财务。专注于机器学习领域的数据科学家，子商务公司的共同创始人和首席运营官。目前，杰夫正将他对数据驱动决策的热情转化为以数据科学家为职业期盼。他对机器学习、交流和数据分析很感兴趣。
译者简介：陈之炎，北京交通大学通信与控制工程专业毕业，获得工学硕士学位，历任长城计算机软件与系统公司工程师，大唐微电子公司工程师，现任北京吾译超群科技有限公司技术支持。目前从事智能化翻译教学系统的运营和维护，在人工智能深度学习和自然语言处理(NLP)方面积累有一定的经验。 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
