数据科学家最需要什么技能？

本文整理了多个求职网站的信息，对雇主最希望数据科学家具备的技能进行了分析，并提供了一些建议。

数据科学家需要涉猎很多—— 机器学习 、计算机科学、统计学、数学、数据可视化、通信和 深度学习 。这些领域中有几十种语言、框架和技术可供数据科学家学习。那么要想成为雇主需要的数据科学家，他们应该如何安排学习内容呢？

我搜索了招聘网站，想找到数据科学家最需要的技能。我分别研究了通用的数据科学技能和特定的语言、工具。2018 年 10 月 10 日，我在 LinkedIn、Indeed、SimplyHired、Monster 和 AngelList 上搜索了招聘信息。下表展示了每个网站列出的数据科学家职位数量。

我读了许多招聘要求和调查，以找到最常用的技能。像「管理」这样的词会在不同背景的招聘信息中不断提及，因此不列入比较范围。

所有的搜索都是以「数据科学家」「[关键字]」格式展开的。使用精确匹配搜索虽然减少了搜索结果的数量，但确保了结果与数据科学家的职位相关，且对所有搜索关键词产生类似的影响。

AngelList 提供的是具备数据科学家职位需求的公司数量，而不是职位数量。所以 AngelList 被排除在这两种分析之外，因为它的搜索算法是一种「OR」的 逻辑 搜索，无法变为「AND」。如果你搜索「数据科学家」「 TensorFlow 」这类只会在数据科学家职位上找到的词，AngelList 表现得很好。但如果关键词是「数据科学家」「react.js」，搜索结果中会出现太多不具备数据科学家职位需求的公司。

Glassdoor 也不在分析范围之内。该网站表示，在美国有 26263 个「数据科学家」职位，但它显示的职位数据不超过 900 个。此外，Glassdoor 上的数据科学家职位数量也不太可能是任何其他主流平台的三倍。

最终使用 LinkedIn 上的 400 多个职位信息用于对通用技能的分析，200 多个职位信息用于对特定技能的分析。当然有一些职位可能重复用于两种分析。结果记录在 Google 表格中（ https://docs.google.com/spreadsheets/d/1df7QTgdAOItQJadLoMHlIZH3AsQ2j2_yoyvHOpsy9qU/edit?usp=sharing）。

我下载了 .csv 文件并将它们导入 JupyterLab。然后计算出事件发生的百分比，并针对招聘网站的数量进行平均运算。

我还将运算结果与 2017 年上半年 Glassdoor 对数据科学家职位要求的研究进行了比较。结合 KDNuggets 的调查信息来看，有些技能变得越来越重要，有一些则变得无足轻重。我稍后会谈到这些。

有关交互式图表和其他分析，请参阅我的 Kaggle Kernel（ https://www.kaggle.com/discdiver/the-most-in-demand-skills-for-data-scientists/）。我利用 Plotly 做了可视化。截至本文写作时，使用 Plotly 与 JupyterLab 会有些争议，在 Kaggle Kernel 末尾和 Plotly 文档会有说明。

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，分析和 机器学习 是数据科学家工作的核心。洞察数据是数据科学的一项基本功能。 机器学习 就是创造能够预测性能的系统，这在现在是非常需要的。

数据科学需要统计和计算机科学技能。统计学、计算机科学和数学都是大学课程，这可能是这几个词出现频率高的原因。

有趣的是，几乎一半的职位要求中都提到了「沟通」。数据科学家需要具备与他人交流和合作的能力。

人工智能 和 深度学习 并不像其他词出现地那么频繁，虽然它们是 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，取代了曾经的算法。例如，现在针对大多数 自然语言处理 问题的最佳 机器学习 算法是 深度学习 算法。我预计未来人们将更明确地追寻 深度学习 技能， 机器学习 与 深度学习 的意义将更加接近。

雇主希望数据科学家使用哪些特定的软件工具呢？下面我们来解决这个问题。

技术技能

下表是雇主希望数据科学家必备的前 20 种特定语言、库和技术工具。

我们简单看看最普遍的技术技能。

Python 是最受欢迎的语言。这个开源语言已经广为流行了，它对初学者十分友好，有许多支持资源。绝大多数新的数据科学工具都与之兼容。Python 是数据科学家的主要语言。

R 和 Python 很接近。它曾经是数据科学的主要语言，目前它的需求量仍然很大。这种开源语言的基础是统计学，所以它仍然很受统计学家的欢迎。

对于每个数据科学家来说，Python 或 R 语言是必不可少的。

SQL 也很受欢迎。SQL 表示结构化 查询 语言（Structured Query Language），是与 关系数据库 交互的主要方式。在数据科学领域，SQL 有时会被低估，但如果你打算进入职场，这是一块很有价值的「敲门砖」。

接下来是 Hadoop 和 Spark，这两款开源工具都来自 Apache，面向 大数据 。

Apache Hadoop 是一个开源软件平台，利用商用硬件计算机集群进行分布式存储和分布式处理。

Apache Spark 是一个基于内存的快速数据处理引擎，具有简明而富有表达性的开发 API，允许数据工作人员高效地执行流、 机器学习 或 SQL 工作，这些工作负载需要对数据集进行快速迭代访问。

这些工具的教程和 Medium 网站文章远远低于其他工具。我认为具备这些技能的求职者比会 Python、R 和 SQL 的少得多。如果你具备使用 Hadoop 和 Spark 的经验，那么你在竞争中会获得优势。

然后是 Java 和 SAS。我很吃惊这些语言排名会这么高。这两种语言背后都有大公司支持，而且至少有一些免费产品。但在数据科学社区中，Java 和 SAS 通常很少受到关注。

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，并且越来越流行。它有一个免费的公开版本，但是如果想保证数据的隐私性，需要付费。

如果不熟悉 Tableau，那么在在线教育网站上学习速成课程是很值得考虑的，比如 https://www.udemy.com/tableau10/。

下表更完整地展示了需求最多的语言、框架和其他数据科学软件工具。

前后对比

GlassDoor 曾分析了 2017 年 1 月至 7 月数据科学家最常用的 10 种软件技能。以下是 GlassDoor 网站上出现这些词汇的频率与 LinkedIn、SimplyHired 和 Monster 在 2018 年 10 月的平均频率的对比。

结果相当一致。我的分析和 GlassDoor 的研究结果都显示 Python、R 和 SQL 是最受雇主欢迎的语言。top 9 技术技能也基本一致，只是顺序略有不同。

结果表明，与 2017 年上半年相比，R、Hadoop、Java、SAS、MatLab 的需求有所减少，Tableau 的需求有所增加。以 KDnuggets developer survey 的调查结果作为补充，这一结果在我预期之中。KDnuggets 调查显示，R、Hadoop、Java 和 SAS 都有明显下降趋势，Tableau 呈现明显上升趋势。

建议

根据这些分析的结果，我将向现在和以后有志于从事数据科学工作的人提供一些通用建议，关于如何使自己被市场广泛接受。

证明你可以做数据分析，并专注于真正熟练地掌握 机器学习 。

锻炼沟通技巧。推荐阅读《Make to Stick》一书，它帮助你产生更具影响力的想法。也可以通过 Hemmingway Editor 来提高写作水平。

掌握 深度学习 框架。精通 深度学习 框架在精通 机器学习 中的占比越来越大。有关 深度学习 框架在使用、热点和流行度方面的比较，请参阅文章： 2018 年最热门的深度学习 框架？这份科学的排行榜可以告诉你。

如果你在学习 Python 和 R 之间犹豫，选择 Python。如果你对 Python 不感冒了，就考虑学习 R，如果你对 R 语言也有所了解，你肯定会更有市场。

当雇主在寻找具有 Python 技能的数据科学家时，他们也期望应聘者了解常用的 Python 数据科学库：numpy、panda、scikit-learn 和 matplotlib。如果你想学习这组工具，可利用以下资源：

• DataCamp 和 DataQuest：它们都是价格合理的在线 SaaS 数据科学教育产品，你可以一边编程一边学习。它们会教授一些技术工具。

• Data School 有各类资源，包括解释数据科学概念的一系列优质 YouTube 视频。

• Wes McKinney 的著作《Python for Data Analysis》。这本书由 pandas 库的主要作者所著，主要关注 pandas，也讨论了数据科学中基本的 python、numpy 和 scikit-learn 功能。

• Andreas Müller 和 Sarah Guido 的著作《Introduction to Machine Leaning with Python》。Müller 是 scikit-learn 的主要维护人员。这是一本利用 scikit-learn 学习机器学习 的好书。

如果你想开始 深度学习 ，我建议先从 Keras 或 fastai 开始，然后再转向 TensorFlow 或 PyTorch。Francois Chollet 的《Deep Learning with Python》是学习 Keras 的很好的资源。

此外，我建议你了解兴趣所在，尽管在决定分配学习时间时要考虑很多因素。

如果你正在找工作或在求职网站上发布职位空缺，关键词很重要。在每个网站上，「数据科学」返回的结果几乎是「数据科学家」结果的三倍。如果你要找的是数据科学家的工作，你最好还是搜索「数据科学家」。

建议制作一个在线作品集，尽可能展示你对这些必备技能的熟练程度。我还建议通过 LinkedIn 个人资料展示你的技能。

希望本文对大家有所帮助。

原文链接： https://towardsdatascience.com/the-most-in-demand-skills-for-data-scientists-4a4a8db896db