如果你是一個數(shù)據(jù)科學的求職者，那么你一定想知道在你的簡歷上應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域，你可能已經(jīng)多次想要知道哪些技術可以成為一個有吸引力的候選人。

本篇將告訴你答案。

▍機器學習工程師所需的語言更加多樣化

作為熱門語言，Python成為機器學習工程師的首選語言并不令人驚訝。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，機器學習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)。

總的來水，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)科學中的前三種語言是Python，SQL和Scala。如果你正在考慮學習一門新語言，也可以考慮使用Scala。

▍Spark是除數(shù)據(jù)工程師之外的首選大數(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絕對是首先應該學習的大數(shù)據(jù)框架。Cassandra對工程師而言比科學家更重要，而Storm似乎只與數(shù)據(jù)工程師有關。

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

▍TensorFlow是深度學習的王者

數(shù)據(jù)工程師的職位描述中幾乎沒有提到深度學習框架，因此該角色幾乎是不需要DL框架的。而更多使用DL框架的是機器學習工程師，這表明了機器學習工程師更多地是處理機器學習建模，而不僅僅是部署模型。另外，TensorFlow在深度學習的領域中是占據(jù)著主導地位的。盡管Keras作為高級深度學習框架在數(shù)據(jù)科學家中也是非常受歡迎的，但它幾乎與機器學習工程師沒什么關系，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)科學中最重要的幾個深度學習框架是：TensorFlow，Torch，Caffee，MXNet。

▍AWS是云計算平臺的主導

▍計算機視覺是機器學習中大部分需求的來源

對于一般數(shù)據(jù)科學家而言，自然語言處理是最大的ML應用領域，其次是計算機視覺，語音識別，欺詐檢測和推薦系統(tǒng)。但對于機器學習工程師而言，最大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)工程師都沒什么關系。

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

▍Tableau是必會的可視化工具

可視化工具主要是數(shù)據(jù)科學家所需要的，很少會有人提到數(shù)據(jù)工程師和機器學習工程師。 盡管如此，Tableau可是說是所有角色的首選。但對于數(shù)據(jù)科學家而言，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鍵詞，然后結合相應的技能為所有數(shù)據(jù)科學角色構建理想的描述。

▍數(shù)據(jù)科學家：更關注機器學習

數(shù)據(jù)科學家一直被視為需要統(tǒng)計，分析，機器學習和商業(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)科學家們更多地關注機器學習而不是其他的一些東西。

▍機器學習工程師：研究，系統(tǒng)設計和構建的

與數(shù)據(jù)科學家相比，機器學習工程師會有一個更集中的組合，包括研究，設計和工程。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，深度學習和計算機視覺。從詞云看出，商業(yè)，管理，客戶等術語也很重要，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

與機器學習工程師相比，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。機器學習也同樣很重要，因為pipelines主要用于支持機器學習模型部署數(shù)據(jù)需求。

▍Python現(xiàn)在是數(shù)據(jù)科學的首選語言

有很多人爭論：Python和R，哪個是數(shù)據(jù)科學的首選語言。市場需求報告告訴我們Python是現(xiàn)代的領導者。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，可以將你的學習重點放在Python上。而SQL作為數(shù)據(jù)庫語言，是數(shù)據(jù)科學家第二重要的語言。 由于數(shù)據(jù)科學家職業(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)科學家的主要語言是：Python，SQL，Scala，Lua，Java，SAS，R，C ++和Matlab。

結語

這就是數(shù)據(jù)科學技能分析的全部了?？戳吮酒嘈趴梢詭椭懔私庹衅刚吒⒅厥裁醇寄埽钪匾氖强梢詭椭阕龀鲇嘘P如何定制簡歷和學習哪些技術的決策。