Kaggle是互聯(lián)網(wǎng)上最著名的數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái)之一，今年3月8日，這家機(jī)構(gòu)被谷歌收購(gòu)，6月6日又宣布用戶數(shù)量超過了100萬(wàn)人。最近，這一社區(qū)首次進(jìn)行了機(jī)器學(xué)習(xí)/數(shù)據(jù)科學(xué)現(xiàn)狀調(diào)查。在超過16,000名從業(yè)者的詳盡答卷中，我們可以一窺目前業(yè)內(nèi)的發(fā)展趨勢(shì)。有趣的是，Kaggle也將調(diào)查結(jié)果封裝成了匿名數(shù)據(jù)集以供大家自行分析。

有史以來第一次，Kaggle對(duì)人工智能領(lǐng)域進(jìn)行了全行業(yè)深度調(diào)查，試圖全面了解數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)概況。本次調(diào)查收到了超過16,000份回復(fù)，眾多受調(diào)查者的數(shù)據(jù)向我們提供了有關(guān)從業(yè)者人群、業(yè)界最新動(dòng)態(tài)以及如何進(jìn)入該行業(yè)的洞見。以下報(bào)告包括本次調(diào)查的所有主要結(jié)果，其中包含的主要內(nèi)容有：

雖然Python很可能是機(jī)器學(xué)習(xí)最常用的編程語(yǔ)言，但統(tǒng)計(jì)學(xué)家更多地使用R語(yǔ)言。

平均而言，數(shù)據(jù)科學(xué)家的年齡在30歲左右，但是這個(gè)數(shù)字在不同的國(guó)家有所不同。例如，印度的受訪者要比澳大利亞的平均年輕9歲。

有關(guān)被調(diào)查者教育程度，最普遍的學(xué)位是碩士，但是工資最高的（$150k+）人群中，擁有博士學(xué)位的人稍稍多一點(diǎn)。

Kaggle已經(jīng)公開了該調(diào)查的匿名數(shù)據(jù)集，以供大家進(jìn)行探究：https://www.kaggle.com/kaggle/kaggle-survey-2017。

如何定義數(shù)據(jù)工作者？

觀察數(shù)據(jù)從業(yè)者的方式有很多，但本文將從有關(guān)數(shù)據(jù)科學(xué)從業(yè)者的工作和背景的人口統(tǒng)計(jì)學(xué)信息開始。

調(diào)查對(duì)象的年齡

如圖可見，本次調(diào)查對(duì)象的平均年齡大約30歲，但這個(gè)值在各個(gè)國(guó)家之間有變動(dòng)。例如印度的調(diào)查對(duì)象的平均年齡就比澳大利亞的小了9歲。

你目前的就業(yè)狀況如何？

受調(diào)查者中，有65.7%表示自己有全職工作。

你的職位是什么？

盡管我們把數(shù)據(jù)科學(xué)家定義為使用代碼分析數(shù)據(jù)的人，我們發(fā)現(xiàn)數(shù)據(jù)科學(xué)領(lǐng)域可涵蓋的工作非常多。比如在伊朗和馬來西亞，數(shù)據(jù)科學(xué)從業(yè)者最流行的工作頭銜是「科學(xué)家或者研究者」。

你的全職年薪是多少？

中位數(shù)$55,441，不過由于很多人沒有全職工作（收入為0），所以這一數(shù)字不甚準(zhǔn)確。盡管在我們的調(diào)查中「補(bǔ)償和福利」的重要性排序稍微比「職業(yè)發(fā)展機(jī)遇」的低一點(diǎn)，不過知道什么是合理的補(bǔ)償依然不錯(cuò)。在美國(guó)，一般機(jī)器學(xué)習(xí)工程師帶回家最多的是培根。

131個(gè)回復(fù)由于超出最大值而沒有顯示出來，但它們被算進(jìn)了中位數(shù)。

你的最高學(xué)歷是什么？

因此，你需要再獲得一個(gè)學(xué)位嗎？通常來講，數(shù)據(jù)科學(xué)從業(yè)者中最普遍的學(xué)歷是碩士，但是獲取最高薪水（$150K-$200K和$200k+）的那些人多是有著博士學(xué)位。

被調(diào)查者的平均水平是數(shù)據(jù)科學(xué)家職稱，30歲左右，碩士學(xué)歷，年薪$55,000左右。但實(shí)際情況并不如此平均。這些最初的幾個(gè)人口統(tǒng)計(jì)學(xué)問題只是展示了復(fù)雜的Kaggle數(shù)據(jù)科學(xué)社區(qū)在年齡、性別、國(guó)籍、工作職稱、薪水、經(jīng)驗(yàn)和學(xué)歷方面的表層差異。

數(shù)據(jù)科學(xué)家的工作內(nèi)容是什么？

我們把數(shù)據(jù)科學(xué)家定義為寫代碼以分析數(shù)據(jù)的一群人。他們的日常工作內(nèi)容是什么？以下是我們的調(diào)查結(jié)果。

工作中使用什么數(shù)據(jù)科學(xué)方法？

Logistic回歸是工作之中最為常用的數(shù)據(jù)科學(xué)方法，不過神經(jīng)網(wǎng)絡(luò)使用更為頻繁的國(guó)家安全領(lǐng)域除外?？偟膩碚f，數(shù)據(jù)科學(xué)中更常見的還是使用經(jīng)典的機(jī)器學(xué)習(xí)算法，簡(jiǎn)單的線性與非線性分類器是數(shù)據(jù)科學(xué)中最常見的算法，而功能強(qiáng)大的集成方法也十分受歡迎。我們看到目前神經(jīng)網(wǎng)絡(luò)模型的使用頻率要高于支持向量機(jī)，這可能是近來多層感知機(jī)要比使用帶核函數(shù)的SVM更加廣泛的表現(xiàn)。

工作中使用最多的語(yǔ)言是什么？

Python是數(shù)據(jù)科學(xué)家最常用的語(yǔ)言，也是最常用的數(shù)據(jù)分析工具。不過，還有很多數(shù)據(jù)科學(xué)家仍然保持著對(duì)R語(yǔ)言的忠誠(chéng)。

以上僅展示了15個(gè)回答，還有38個(gè)回答被隱藏。

在工作中常用的數(shù)據(jù)類型是什么？

關(guān)系型數(shù)據(jù)是開發(fā)者在工作中最常用的數(shù)據(jù)類型，因?yàn)榇蠖鄶?shù)產(chǎn)業(yè)工程師都十分關(guān)注于這種關(guān)系型數(shù)據(jù)。而學(xué)術(shù)研究者和國(guó)防安全產(chǎn)業(yè)則更注重于文本與圖像。

如何分享工作中的代碼？

盡管很多受訪者（58.4%）使用Git在工作分享他們的代碼。但大公司中的開發(fā)者更傾向于將代碼保留在本地，并通過像Email那樣的文件共享軟件來分享他們的代碼。而初創(chuàng)公司可能需要在云中共享以保持更加敏捷的反應(yīng)。

工作中遇到的障礙主要是什么？

臟數(shù)據(jù)（dirtydata）顯然是排在了第一位，也就是說數(shù)據(jù)科學(xué)家一般最常見的困擾就是需要對(duì)數(shù)據(jù)進(jìn)行大量的預(yù)處理工程。除了數(shù)據(jù)預(yù)處理工程以外，還有很多問題困擾著數(shù)據(jù)科學(xué)家，比如說眾多的機(jī)器學(xué)習(xí)算法各有各的擅長(zhǎng)領(lǐng)域，所以理解它們的性能也會(huì)有一些困難。不過我們注意到向其他人解釋數(shù)據(jù)科學(xué)是什么也會(huì)困擾著數(shù)據(jù)科學(xué)家，解決辦法可以是推薦機(jī)器之心呀。

上圖僅展示了前面的15個(gè)回答，還有7個(gè)回答沒有展示。

此外，如果你們點(diǎn)擊選擇條件，那么就能按照條件過濾回答。很多行業(yè)的受訪者表示他們?nèi)鄙贁?shù)據(jù)科學(xué)相關(guān)的人才，所以數(shù)據(jù)科學(xué)家目前是十分幸運(yùn)的。

數(shù)據(jù)科學(xué)家新手如何入行？

當(dāng)開始一個(gè)新的職業(yè)生涯的時(shí)候，看看別人的成功秘訣是很有幫助的。我們調(diào)查了在數(shù)據(jù)科學(xué)行業(yè)工作的人們，詢問他們是如何做到的。以下是我們最喜歡的幾條建議：

你們會(huì)推薦數(shù)據(jù)科學(xué)家新手最先學(xué)哪門語(yǔ)言？

每一位數(shù)據(jù)科學(xué)家都有自己的對(duì)選擇第一門語(yǔ)言的想法。事實(shí)證明，那些僅使用Python或R語(yǔ)言的人們做出了正確的選擇。不過如果你問一下使用過R和Python的人們，他們有兩倍的可能會(huì)推薦Python給你。

你們使用哪些數(shù)據(jù)科學(xué)學(xué)習(xí)資源？

數(shù)據(jù)科學(xué)是一個(gè)快速變化的領(lǐng)域，有很多有價(jià)值的資源可以幫助你學(xué)習(xí)并保持業(yè)內(nèi)的頂尖位置，從而不斷提升你的競(jìng)爭(zhēng)力。已經(jīng)在數(shù)據(jù)科學(xué)領(lǐng)域中工作的人們會(huì)更多使用StackOverflowQ&A，Conferences和Podcasts，以對(duì)不斷涌入這個(gè)領(lǐng)域的人們保持自己的優(yōu)勢(shì)。如果想要發(fā)布內(nèi)容或開源軟件，請(qǐng)時(shí)刻記住剛進(jìn)入這個(gè)領(lǐng)域的人們通常更多使用官方的文檔和觀看Youtube視頻。

你們?cè)谀睦铽@取開源數(shù)據(jù)？

沒有數(shù)據(jù)，就沒有數(shù)據(jù)科學(xué)。當(dāng)需要學(xué)習(xí)數(shù)據(jù)科學(xué)技巧的時(shí)候，知道如何找到干凈的開源數(shù)據(jù)集用于練習(xí)和開發(fā)項(xiàng)目相當(dāng)重要。很高興得知我們的數(shù)據(jù)集聚合器（datasetaggregators，https://www.kaggle.com/datasets）正發(fā)展為數(shù)據(jù)科學(xué)社區(qū)成員中最頻繁使用的工具。

你們?cè)趺凑夜ぷ鳎趺凑业降模?/p>

找工作的時(shí)候，可能到公司網(wǎng)站上，或在指定技術(shù)方向的招聘信息上，但是根據(jù)已經(jīng)在數(shù)據(jù)科學(xué)領(lǐng)域工作的人們的經(jīng)驗(yàn)，這些方式是最差的選擇。而直接聯(lián)系招聘者或建立自己的網(wǎng)絡(luò)以進(jìn)入這個(gè)領(lǐng)域才是他們的首選。

Note：少于50名受訪者的組別被合并進(jìn)了「Other」類中。其中一些柱狀圖為了美觀而做了縮放處理，希望查看所有問題和結(jié)果的原始數(shù)據(jù)可訪問：https://www.kaggle.com/amberthomas/kaggle-2017-survey-results。