最新消息，Kaggle最近對機器學習及數(shù)據(jù)科學領(lǐng)域進行了全行業(yè)深度調(diào)查，調(diào)查共收到超過 16,000 份回復，受訪內(nèi)容包括最受歡迎的編程語言是什么，不同國家數(shù)據(jù)科學家的平均年齡是什么，不同國家的平均年薪是多少等。
不過，因為中國的數(shù)據(jù)收集不夠全面，而美國數(shù)據(jù)也同樣存在清洗不夠的情況，所以，以下數(shù)據(jù)僅供參考。希望Kaggle下次能將數(shù)據(jù)做得更透徹更深入更全面。
以下為AI科技大本營對其進行的數(shù)據(jù)整理，并從中美數(shù)據(jù)科學和機器學習對比的角度呈現(xiàn)如下：
中美數(shù)據(jù)工作者概況對比
年齡
從世界范圍來看，本次調(diào)查對象的平均年齡大約 30 歲，當然，這個值在各個國家之間有變動。
以下為中美調(diào)查對象的年齡對比：
中國
在中國，機器學習從業(yè)者年齡的中位數(shù)是25歲，從業(yè)者集中在20-30歲年齡段。這可能反映出中國從業(yè)者人群的大體分布，但鑒于Kaggle所統(tǒng)計到的數(shù)據(jù)量，其中的細節(jié)還值得商榷一番。
美國
在美國，機器學習從業(yè)者年齡的中位數(shù)是32歲，以20-30歲年齡段的人數(shù)最多。但令人意外的是，我們在圖表中看到一位年滿100歲的大牛，還有幾位年齡接近0歲的小朋友。我們尚不清楚Kaggle這里數(shù)據(jù)清洗的細節(jié)，不過這幾位大牛果真存在的話，務請聯(lián)系AI科技大本營，我們對您的存在非常感興趣。
中美就業(yè)狀況對比
中國全職工作者占53.%%，美國則高達70.9%
中國
美國
中美數(shù)據(jù)科學具體職位對比圖
數(shù)據(jù)科學領(lǐng)域可涵蓋的工作非常多，包括機器學習工程師，數(shù)據(jù)分析師，數(shù)據(jù)科學家，軟件開發(fā)人員，數(shù)據(jù)挖掘人員等。以下為中美在數(shù)據(jù)科學領(lǐng)域的對比圖：
中國
美國
年薪
從全球來看，數(shù)據(jù)科學人員的年薪中位數(shù)為$55,441。在中國，數(shù)據(jù)科學家的年薪中位數(shù)為$29，835。美國則高達$110，000
中國全職年薪
美國全職年薪
最高學歷
通常來講，數(shù)據(jù)科學從業(yè)者中最普遍的學歷是碩士，但一般來講，博士學位能拿到（$150K – $200K 和 $200k+）的高薪。
就中國而言，碩士學位在總體占比為40.5%，博士僅11.2%，本科學位從業(yè)人數(shù)則高達39.5%，與碩士從業(yè)人數(shù)持平。
而美國，碩士學位只有44.5%，博士學位高達20.7%，本科從業(yè)者占比也高達26.5%。
總的來說，美國博士學位高達20.7%，從占比上來看，接近中國的兩倍（中國為11.2%）。
中國
美國
數(shù)據(jù)科學家到底是怎么工作的？
工作中使用什么樣的方法？
Logistic回歸是除了軍事和國安領(lǐng)域外，最常用的數(shù)據(jù)科學研究方法。在軍事和國防安全領(lǐng)域，神經(jīng)網(wǎng)絡(luò)使用地更多。
所有國家整體數(shù)據(jù)
數(shù)據(jù)工作中使用最多的工具語言是？
總體來說，Python是數(shù)據(jù)工作者使用最多的語言。同時，數(shù)據(jù)研究人員對R語言的忠誠度也很高。
所有國家整體數(shù)據(jù)
工作中使用什么類型的數(shù)據(jù)？
關(guān)系型數(shù)據(jù)市是最常用的數(shù)據(jù)類型。但在學術(shù)研究者和國防安全領(lǐng)域則更親睞文本和圖像。
所有國家整體數(shù)據(jù)
工作中使用什么樣的代碼共享和托管方式？
大部分數(shù)據(jù)工作者使用Git分享代碼。不過，大公司的工作者更喜歡將代碼保留在本地，并將代碼用郵件分享。初創(chuàng)公司則用更快捷的云分享方式。
所有國家整體數(shù)據(jù)
工作中遇到了什么樣的障礙？
臟數(shù)據(jù)（Dirty Data）是最大障礙。機器有側(cè)重，但理解不同算法的能力不夠也是一大困擾數(shù)據(jù)工作者的障礙。缺乏有效管理和資金支持是數(shù)據(jù)工作者面臨的兩大外在困境。
數(shù)據(jù)科學新手如何在這個行業(yè)嶄露頭角？
根據(jù)你的經(jīng)驗，你會向數(shù)據(jù)科學新手推薦使用哪種語言？
這個因人而異。在Python和R兩大使用群體最大的語言中，大部分人覺得Python更值得被推薦。
你從哪里獲得數(shù)據(jù)科學的學習資源？
數(shù)據(jù)科學是個變化極快的領(lǐng)域，業(yè)內(nèi)人員需要不斷更新知識體系，才可以在業(yè)內(nèi)保持一定地位，不被時代淘汰。Stack Overflow Q&A，Conferences，和Podcasts是已從業(yè)者經(jīng)常使用的學習平臺。發(fā)布新軟件時，一定記住閱讀官方使用指南，并推薦去YouTube觀看使用視頻。
從哪里獲得開放數(shù)據(jù)集？
沒有數(shù)據(jù)就沒有數(shù)據(jù)科學！當涉及到一些數(shù)據(jù)科學技巧時，知道如何找到練習所用的干凈的開源數(shù)據(jù)集和項目非常重要。越來越多人開始使用我們的數(shù)據(jù)集聚合器（https://www.kaggle.com/datasets）.
通過什么渠道獲得工作？
根據(jù)數(shù)據(jù)科學領(lǐng)域過來人的經(jīng)驗，以下這些方法可能會比在公司網(wǎng)站，招聘網(wǎng)站上投遞簡歷更高效，比如通過建立自己在這個行業(yè)的關(guān)系網(wǎng)絡(luò)。
自ai科技大本營
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
