如果你是一個數(shù)據(jù)科學(xué)的求職者，那么你一定想知道在你的簡歷上應(yīng)該寫些什么技能會有更大的概率接到面試。如果你想進入這個領(lǐng)域，你可能已經(jīng)多次想要知道哪些技術(shù)可以成為一個有吸引力的候選人。

本篇將告訴你答案。

Python現(xiàn)在是數(shù)據(jù)科學(xué)的***語言

有很多人爭論：Python和R，哪個是數(shù)據(jù)科學(xué)的***語言。 市場需求報告告訴我們Python是現(xiàn)代的***。同樣值得注意的是，R比SAS更少提及。因此，如果您正在考慮進入數(shù)據(jù)科學(xué)，可以將你的學(xué)習(xí)重點放在Python上。而SQL作為數(shù)據(jù)庫語言，是數(shù)據(jù)科學(xué)家第二重要的語言。 由于數(shù)據(jù)科學(xué)家職業(yè)的廣泛性，其他語言也扮演著重要角色。

總的來說，數(shù)據(jù)科學(xué)家的主要語言是：Python，SQL，Scala，Lua，Java，SAS，R，C ++和Matlab。

機器學(xué)習(xí)工程師所需的語言更加多樣化

作為熱門語言，Python成為機器學(xué)習(xí)工程師的***語言并不令人驚訝。此外，由于需要從頭開始實現(xiàn)算法并在大數(shù)據(jù)環(huán)境中部署ML模型，因此C ++和Scala等相關(guān)語言也很重要。 總的來說，與其他兩個角色相比，語言的需求似乎更加分散。

總的來說，機器學(xué)習(xí)工程師的主要語言是：Python，Scala，Java，C ++，Lua，SQL，Javascript，Matlab，CSS和C#。

成為一名數(shù)據(jù)工程師，SQL是必須的技能

數(shù)據(jù)工程師常常處理數(shù)據(jù)庫，而SQL是數(shù)據(jù)庫的語言，所以SQL是數(shù)據(jù)工程師必備的語言。Python雖然很重要，但對于數(shù)據(jù)工程師而言，Scala和Java更為重要，因為這些語言可以幫助他們處理更大的數(shù)據(jù)。

總的來說，數(shù)據(jù)工程師的主要語言是：SQL，Scala，Java，Python和Lua。

Scala是數(shù)據(jù)科學(xué)中第二大進口語言

當我們對比不同的角色時，驚奇的發(fā)現(xiàn)，Scala不是第二個就是第三個。 所以我們可以說數(shù)據(jù)科學(xué)中的前三種語言是Python，SQL和Scala。 如果你正在考慮學(xué)習(xí)一門新語言，也可以考慮使用Scala。

Spark是除數(shù)據(jù)工程師之外的***大數(shù)據(jù)技能

僅對于數(shù)據(jù)工程師而言，Hadoop比Spark更多，但總的來說，Spark絕對是首先應(yīng)該學(xué)習(xí)的大數(shù)據(jù)框架。Cassandra對工程師而言比科學(xué)家更重要，而Storm似乎只與數(shù)據(jù)工程師有關(guān)。

總的來說，數(shù)據(jù)科學(xué)的大數(shù)據(jù)技術(shù)是：Spark，Hadoop，Kafka，Hive。

TensorFlow是深度學(xué)習(xí)的王者

數(shù)據(jù)工程師的職位描述中幾乎沒有提到深度學(xué)習(xí)框架，因此該角色幾乎是不需要DL框架的。而更多使用DL框架的是機器學(xué)習(xí)工程師，這表明了機器學(xué)習(xí)工程師更多地是處理機器學(xué)習(xí)建模，而不僅僅是部署模型。另外，TensorFlow在深度學(xué)習(xí)的領(lǐng)域中是占據(jù)著主導(dǎo)地位的。盡管Keras作為高級深度學(xué)習(xí)框架在數(shù)據(jù)科學(xué)家中也是非常受歡迎的，但它幾乎與機器學(xué)習(xí)工程師沒什么關(guān)系，這也表明ML從業(yè)者們大多都使用較低級別的框架，比如TensorFlow。

總的來說，數(shù)據(jù)科學(xué)中最重要的幾個深度學(xué)習(xí)框架是：TensorFlow，Torch，Caffee，MXNet。

AWS是云計算平臺的主導(dǎo)

計算機視覺是機器學(xué)習(xí)中大部分需求的來源

對于一般數(shù)據(jù)科學(xué)家而言，自然語言處理是***的ML應(yīng)用領(lǐng)域，其次是計算機視覺，語音識別，欺詐檢測和推薦系統(tǒng)。但對于機器學(xué)習(xí)工程師而言，***的需求卻來自計算機視覺，而自然語言處理則一直是第二。另一方面，不論是計算機視覺還是自然語言處理，與數(shù)據(jù)工程師都沒什么關(guān)系。

如果你想成為一個數(shù)據(jù)科學(xué)家，可以選擇各種類型的項目，根據(jù)你想要進入的領(lǐng)域展示專業(yè)知識，但對于機器學(xué)習(xí)工程師而言，計算機視覺則是***選擇。

Tableau是必會的可視化工具

可視化工具主要是數(shù)據(jù)科學(xué)家所需要的，很少會有人提到數(shù)據(jù)工程師和機器學(xué)習(xí)工程師。 盡管如此，Tableau可是說是所有角色的***。但對于數(shù)據(jù)科學(xué)家而言，Shiny，Matplotlib，ggplot和Seaborn也同樣得重要。

每個人都必須會Git，而Docker僅適用于工程師

下面，我們將使用詞云來探索上面提到的每個角色最常用的一些關(guān)鍵詞，然后結(jié)合相應(yīng)的技能為所有數(shù)據(jù)科學(xué)角色構(gòu)建理想的描述。

數(shù)據(jù)科學(xué)家：更關(guān)注機器學(xué)習(xí)

數(shù)據(jù)科學(xué)家一直被視為需要統(tǒng)計，分析，機器學(xué)習(xí)和商業(yè)知識的全方位專業(yè)。然而，現(xiàn)在從詞云比重看來，數(shù)據(jù)科學(xué)家們更多地關(guān)注機器學(xué)習(xí)而不是其他的一些東西。

機器學(xué)習(xí)工程師：研究，系統(tǒng)設(shè)計和構(gòu)建的

與數(shù)據(jù)科學(xué)家相比，機器學(xué)習(xí)工程師會有一個更集中的組合，包括研究，設(shè)計和工程。顯然，解決方案，產(chǎn)品，軟件和系統(tǒng)是主要的主題。當然，伴隨著這些，有研究，算法，ai，深度學(xué)習(xí)和計算機視覺。從詞云看出，商業(yè)，管理，客戶等術(shù)語也很重要，這可以在項目的進一步迭代中進一步研究。

數(shù)據(jù)工程師才是真正的專家

與機器學(xué)習(xí)工程師相比，數(shù)據(jù)工程師擁有更加專注的產(chǎn)品組合。顯然，重點是通過設(shè)計和開發(fā)pipelines來支持產(chǎn)品，系統(tǒng)和解決方案。 對于數(shù)據(jù)工程師來說，比較高的要求包括了專業(yè)技能，數(shù)據(jù)庫，測試，環(huán)境和質(zhì)量。機器學(xué)習(xí)也同樣很重要，因為pipelines主要用于支持機器學(xué)習(xí)模型部署數(shù)據(jù)需求。

這就是數(shù)據(jù)科學(xué)技能分析的全部了。希望本篇可以幫助你了解招聘者更注重什么技能，最重要的是可以幫助你做出有關(guān)如何定制簡歷和學(xué)習(xí)哪些技術(shù)的決策。