作者 | Andrew Ste
编译 | CDA数据分析师
How to Become More Marketable as a Data Scientist
作为一名数据科学家,你处在一个高需求的位置。那么,你如何才能更好地提高你的市场竞争力呢?看看这些目前雇主在2019年最想要的数据科学家技能趋势。
这个标题在你看来可能有点奇怪,好像是,如果你是2019年的数据科学家,你已上市...
由于数据科学对当今的商业有着巨大的影响,对DS专家的需求也在增长。目前我正在写这篇文章,仅LinkedIn上就有144527个数据科学工作。但是,重要的是,如何把握这个行业的脉搏,以意识到最快和最有效的数据科学解决方案。为了帮助你,我们对数据痴迷的CV编译器团队分析了部分职位空缺,确定了2019年的数据科学就业趋势。
2019年最受欢迎的数据科学技能
下图是雇主在2019年向数据科学工程师寻求的技能:
对于这一分析,我们查看了StackOverflow、AngelList和类似网站的300个数据科学空缺。有些术语可能在一份工作清单中重复不止一次。
注:请记住,这项研究代表的是雇主的偏好,而不是数据科学工程师自己的偏好。
显然,数据科学更多地是关于基础知识,而不是框架和库,但仍然有一些趋势和技术值得注意。
大数据
根据2018年大数据分析市场研究,企业采用大数据的比例从2015年的17%飙升至2018年的59%。因此,大数据工具的流行程度也越来越高。如果我们不考虑ApacheSPark和Hadoop,(我们将在下一节中详细讨论后者),最流行的方法是MapReduce (36), and Redshift (29).
尽管Spark和云存储广受欢迎,但是Hadoop的“时代”还没有结束。因此,有些雇主仍然期望应聘者熟悉 Apache Pig (30), HBASE(32)和类似的技术。HDFS(20)空缺职位中仍有提及。
实时数据处理
随着各种传感器、移动设备和物联网(18)公司的目标是从实时数据处理中获得更多的洞察力.因此,流分析平台,如Apache Flink(21)在一些雇主中很受欢迎。
特征工程与超参数整定
准备数据和选择模型参数是任何数据科学家工作的关键部分。术语数据挖掘(128)在雇主中很受欢迎。一些雇主也非常重视超参数调参(21)。然而,作为一名数据科学家,您需要首先需要关注特征工程..为您的模型选择最好的特性很重要,因为它们决定了您的模型在其创建的早期阶段是否成功。
处理数据并从中提取有价值的见解的能力是至关重要的。然而,数据可视化(55)对于任何数据科学家来说,技能同样重要。至关重要的是,您可以任何团队成员或客户都能理解的格式表示您的工作成果。至于数据可视化工具,雇主更喜欢。Tableau (54)
总趋势
在职位空缺方面,我们遇到了这样的条件:AWS (86), Docker(36)和 Kubernetes (24)。因此,软件开发行业的总体趋势也适用于数据科学领域。
这个评级中的技术水平是相当的。然而,在数据科学中,有些事情和编码一样重要。这是一种从“数据输出”(如最终数据集和趋势)、可视化以及用这些数据讲述故事的能力。而且,这也是以一种可以理解的方式展示这些发现的能力。了解你的听众-如果他们是博士,以适当的方式和他们交谈,但是如果他们来自C套件,他们不会关心编程,只关心结果和ROI。
——卡拉·金特 数据科学家/所有者
快照数据对于了解当前市场状况是有用的,但它并不代表趋势,因此很难仅仅根据快照来规划未来。我要说的是,R的使用量将继续稳步下降(MATLAB也是如此),而Python在数据科学家中的流行程度将持续上升。Hadoop和BigData之所以上榜,是因为该行业有些惰性:Hadoop将消失(没有人会认真投资),大数据也不再是热门趋势。人们是否需要投入时间学习Scala尚不清楚:Google正式支持Kotlin(也是一种JVM语言),它更容易学习,而Scala有一个陡峭的学习曲线。我也对TensorFlow的未来持怀疑态度:学术界已经转向PyTorch,与其他行业相比,学术界在数据科学方面的影响力最大。(这些意见是我的,可能不代表高德纳的观点。)
——安德里·布尔科夫 高德纳机械学习主任, 百页机器学习书作者
PyTorch是用GPU对CUDA张量进行数学运算强化学习的动力。它也是一个更强大的框架,可以同时在多个GPU上并行代码,而TensorFlow要求将每个操作封装到一个设备上。PyTorch还建立了适用于递归神经网络的动态图。基于TensorFlow的TensorFlow生成静态图表,与基于火炬的PyTorch相比,学习起来更加复杂。TensorFlow反映了更多的开发人员和研究人员。PyTorch将在构建机器学习仪表板可视化工具(如TensorBoard)时显示出更大的发展势头。PyTorch在调试和数据可视化库(Matplotlib)和海运库方面更像Pythonic。Python的大多数调试工具也可以用来调试PyTorch。TensorFlow附带了自己的调试工具tfdbg。
——Ganapathi Pulipaka博士,埃森哲首席数据科学家,50强科技领袖奖获奖者
我认为数据科学的“工作”不同于数据科学的“职业”。工作列表提供了对市场需要的特定技能的洞察力,但对于职业生涯来说,我所见过的最重要的技能之一是学习能力。数据科学是一个快速发展的领域,如果要取得长期的成功,您需要能够轻松地获得新的技术、工具和领域知识。要做到这一点,就要挑战自己,避免过于舒适。
——里昂·里斯伯格创始人/策展人,数据药剂
数据科学是一个快速发展和复杂的行业,一般知识和特定技术的经验同样重要。我希望这篇文章能帮助你更好地了解2019年你需要的两种技能。祝好运!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14