数据科学家的自我修养 | 哪些技能是必不可少的？
python数据分析 2019-06-29
作者: Jeff Hale
编译: Mika
CDA 数据分析师原创作品，转载需授权
市场上对数据科学家的要求特别多：需要掌握机器学习、计算机科学、统计学、数学、数据可视化，深度学习等知识。要想全部掌握这些方面的知识，科学家需要学习数十种语言、框架和技术。那么，为此数据科学家应该如何合理地分配时间，该掌握哪些技能呢？
在本文中，我对求职网站进行搜索，找出对数据科学家的技能要求。我分别分析了通常的数据科学技能和特定语言以及工具。我具体搜索了2018年10月10日LinkedIn、Indeed、SimplyHired、Monster、以及AngelList这些求职网站。以下图表显示了在每个网站中发布了多少数据分析师工作。
本文对LinkedIn、Indeed等主流招聘网站进行数据收集，分析了数据科学家最需要掌握哪些技能
我分析了许多工作列表和调查，想列出当中最常见的技能要求。”管理”这类词没有包含在内，因为许多求职发布中都会包含这个词。
全部搜索都是针对美国地区，关键词中带有“数据科学家”的职位发布，并使用精确匹配搜索减少了结果数量。但是，这种方法确保结果与数据科学家职位相关，并且影响所有搜索项。
AngelList中提供的是招聘数据科学家的公司数量，而不是职位数量。我将AngelList排除在这两种分析之外，因为它的搜索算法是OR的逻辑搜索，而且无法将其修改为AND。如果你搜索”数据科学家”“TensorFlow”这类关键词，AngelList表现还不错，但如果你搜索“数据科学家”“react.js”也会返回不招聘数据科学家的公司。
Glassdoor也被我排除在外。网站上表示美国目前发布了26,263个“数据科学家”的职位，然而实际只显示了不到900个的职位。此外，Glassdoor发布的数据科学家职位也不可能比起其他主流平台的三倍要高。
最终分析采用了在LinkedIn上400多个职位信息分析通用技能，针对200多个职位信息分析特定技能。当中有一些重复，结果记录在Google Sheet中。
https://docs.google.com/sprea...
我下载了.csv文件并将其导入JupyterLab。然后，我计算出每个百分比，并对招聘网站上的数量进行平均。
此外，我将结果与Glassdoor 在2017年上半年发布的数据科学家职位研究进行比较，并且结合KDNuggets的调查信息。从中可以发现，对于数据科学家而言，有些技能变得越来越重要，而其他技能则逐渐不再重要。之后我们将具体看到。
Glassdoor
https://www.glassdoor.com/res...
KDNuggets
https://www.kdnuggets.com/201...
可以在我的Kaggle Kernel 中看到交互式图表和分析。我使用Plotly进行可视化，在写本文时，使用Plotly和JupyterLab有一些难点，具体说明在 Kaggle Kernel 最后的Plotly文档中
Kaggle
https://www.kaggle.com/discdi...
Plotly 文档
https://github.com/plotly/plo...
1.通用技能
以下是雇主最希望数据科学家具备的通用技能。
结果表明，通用技能中数据分析和机器学习是数据科学家工作的核心。从数据中收集分析见解是数据科学的主要功能。机器学习是关于开发创建预测性能的系统，这也是十分受欢迎的技能。
数据科学家需要统计学和计算机科学技能，这并不惊讶。统计学、计算机科学和数学也是大学专业，这也可能提高了这些技能出现的频率。
有趣的是，近一半的职位要求中都提到了沟通能力。数据科学家需要能够传达自己的见解，并与他人合作。
人工智能和深度学习并不像其他术语那样经常出现。但是，它们是机器学习的子集。深度学习被用于越来越多的机器学习任务中，之前主要是使用其他算法。例如如今，用于大多数自然语言处理问题的最佳机器学习算法是深度学习算法。我预计将来深度学习技能将被越来越明确，而且机器学习将于深度学习越来越类似。
那么雇主希望数据科学家使用哪些特定软件工具？接下来，让我们看到这个问题。
2.技术技能
以下是雇主最希望数据科学家掌握的前20种特定语言，库和科技工具。
让我们简要介绍一下最常见的技术技术。
Python是最受欢迎的语言。这种开源语言已经非常普及。对初学者而言，这种语言很好上手，有许多支持的资源。绝大多数数据科学工具都与之兼容。Python是数据科学家主要的使用语言。
R与Python相差不远。它曾经是数据科学的主要语言，很惊讶地看到R语言的需求仍然很大。这种开源语言的根源在于统计数据，它非常受统计学家的欢迎。
Python或R语言几乎是每个数据科学家的必备条件。
SQL的需求也很高。SQL指的是Structured Query Language(结构化查询语言)，是与数据库交互的主要方式。在数据科学领域，SQL有时会被忽视，但如果想找数据科学方面的工作，这项技能是很重要的。
接下来是Hadoop和Spark，它们都是Apache的大数据开源工具。
Apache Hadoop是一个开源软件平台，用于分布式存储和分布式处理大型数据集，这些数据集是由商用硬件构建的计算机集群。
Apache Spark是一种快速的内存数据处理引擎，具有强大且富有表现力的开发API，能够让数据工作者有效地执行流、机器学习或SQL，这些情况需要对数据集进行快速迭代访问。
与Python，R和SQL相比，很少有求职者具备这些技能。如果你会Hadoop和Spark的经验，那么你更有可能在求职中成功。
接下来是Java和SAS。我惊讶地发现在职位描述中，这两种语言出现的频率也很高。通常，Java和SAS在数据科学界的关注度都不高。
接下来是Tableau。这个分析平台和可视化工具功能强大，易于使用且越来越受欢迎。它有一个免费的公共版本，但如果你想保持数据私密就需要花钱。
如果你不熟悉Tableau，那么强烈推荐Udemy的 Tableau 10 A-Z 。
下图技能列表显示的语言、框架和其他数据科学软件工具更多。
3.历史比较
GlassDoor 曾在网站上发布了2017年1月至2017年7月期间，数据科学家的10种最常见的软件技能。这里将GlassDoor的数据与LinkedIn，Indeed，SimplyHired和Monster在2018年10月的平均值进行比较。
结果非常相似。根据我的分析和GlassDoor的调查，Python、R和SQL都是是最受欢迎的技能。而且前九个技能排名稍微有些不同。
结果表明，与2017年上半年相比，R语言、Hadoop、Java、SAS和MatLab的需求量减少，而Tableau的需求量增加。根据局KDnuggets开发人员调查等分析，这也并不意外。在这份调查中显示，R语言、Hadoop、Java和SAS在近年来使用量呈都下降趋势，Tableau呈明显的上升趋势。
4.建议
根据这些分析的结果，以下是对数据科学家的一些建议。
- 证明自己的数据分析能力，并专注熟练掌握机器学习。
- 提高你的沟通技巧。推荐阅读《Made to Stick》这本书”，帮助你提升自己观点的影响力。还可以试试Hemmingway Editor这款app，提高写作的逻辑性。
- 掌握深度学习框架。精通深度学习框架在机器学习方面越来越重要。
- 如果你在犹豫选择Python还是R语言之间做出选择，请选择Python。如果你数量掌握Python，那么可以也考虑学习R语言，这会让你在行业中更占优势。
当雇主在寻找具有Python技能的数据科学家时，他们也期望求职者掌握常见的Python数据科学库：numpy、pandas、scikit-learn和matplotlib。如果你在学习这些工具，建议你使用以下资源：
- DataCamp，DataQuest。
两者都是价格合理的在线SaaS数据科学教育产品，你可以在编程时学习，当中都教授了许多技术工具。
- Data School
拥有各种资源，还包括一系列很赞的YouTube视频，解释各种数据科学概念。
- McKinney的《Python for Data Analysis 》
这本书主要关注本书由熊猫图书馆的主要作者注重pandas，还讨论了基础的Python，numpy和scikit-learn等功能。
- Müller和Guido的《Introduction to Machine Leaning with Python》
Müller是scikit-learn的主要维护者。这是一本关于用scikit-learn学习机器学习的好书。
如果你想学习深度学习，我建议先学习Keras或FastAI，然后在学习TensorFlow或PyTorch。Chollet的《Deep Learning with Python》这本书是学习Keras的绝佳资源。
除此之外，我建议你了解你感兴趣的内容，尽管这里需要考虑到时间分配等因素。
如果你想通过在线门户网站找数据科学家的工作，我建议试试LinkedIn，这上面可找到的工作信息是最多的。
在招聘网站找公司时，关键词很重要。关键词方面“ 数据科学 ”得到的结果会是“ 数据科学家 ”的3倍。但是，如果你想准确地找数据科学家的工作，那么最好还是搜索“ 数据科学家 ”。
我建议你制作一个在线作品集，能够展示技能的的熟练程度。我还建议在你的LinkedIn个人资料写出你的技能。
如果你想查看本文中交互式图表及当中使用的代码，请查看我的Kaggle Kernel：
相关推荐
文中可获得免费电子书地址！介绍目前，数据科学家正在受到很多关注，因此，有关数据科学的书籍正在激增。我看过很多关于数据科学的书籍，在我看来他们中的大多数更关注工具和技术，而不是数据科学中细微问题的解决。