作者 | George Liu
翻译 | Mika
CDA 数据分析师原创作品,转载需授权
如果你是一名数据科学方面的求职者,你肯定想知道在简历上写些什么才能获得面试的机会;如果你想进入这个领域,你一定想知道具备哪些技术才能成为一名有竞争力的求职者。
在本文中,我们对Indeed中一千份数据科学相关的招聘信息进行了分析,主要针对数据工程师、数据科学家和机器学习工程师这三个职位,希望能解答你的疑问。
首先,让我们来看看不同职位的技能要求。
一、必备语言
1. 目前Python处于主导地位
关于数据科学中的首选语言,究竟是Python还是R曾有过争论。显然,市场需求说明如今Python是处于主导地位。同样值得注意的是,R语言可能还排在SAS之后。因此,如果你打算进入数据科学领域,不妨把学习重点放在Python上。作为数据库语言,SQL是数据科学家第二重要的语言。由于数据科学家职业的广泛性,其他语言也扮演着重要角色。
数据科学家必备语言排名为:Python、SQL、Scala、Lua、Java、SAS、R、C ++和Matlab。
2. 机器学习工程师使用的语言更加多样化
Python是机器学习工程师的首选语言,这并不令人惊讶。机器学习工程师需要从头开始实现算法,并在大数据环境中部署ML模型,因此C ++和Scala等相关语言也很重要。总的来说,机器学习工程师使用的语言更加多样化。
机器学习工程师必备语言排名为:Python、Scala、Java、C ++、Lua、SQL、Javascript、Matlab、CSS和C#。
3. SQL 是数据工程师的必备技能
数据工程师一直都在于数据库打交道,而SQL是数据库语言,因此SQL是首选语言也就不足为奇了。同时Python也重要,但重要性排在Scala和Java之后,因为后者能够帮助数据工程师处理大数据。
数据工程师必备语言排名为:SQL、Scala、Java、Python和Lua。
4. Scala 逐渐成为数据科学中第二重要的语言(而不是R语言)
当我们研究分析不同职位时发现,Scala要么的重要性排在第二或第三。因此我们可以,数据科学领域中排名中前三的语言是Python、SQL和Scala。如果你打算学一门新语言,可以试试Scala。
二、大数据技能
Spark是除数据工程师之外,最必备的大数据技能
仅对数据工程师而言,Hadoop比Spark更为重要。但总的来说,Spark绝对是应该首先学习的大数据框架。相对于数据科学家,Cassandra对工程师更为重要,而似乎只有数据工程师才需要用Storm。
数据科学领域必备的大数据技术排名为:Spark、Hadoop、Kafka、Hive。
三、 深度学习框架
深度学习方面,TensorFlow 占主导地位
在数据工程师的招聘中很少提到深度学习框架,因此该职位可能不需要用到深度学习框架;在机器学习工程师招聘中,常常提到深度学习框架,这表明机器学习工程师需要常常处理机器学习建模,而不仅仅是模型部署。
此外,TensorFlow在深度学习领域绝对占据主导地位。尽管Keras作为高级深度学习框架在数据科学家中非常受欢迎,但对于机器学习工程师职位,很少要求要掌握Keras,这可能表明机器学习从业者大多使用较低级别的框架,如TensorFlow。
数据科学中要掌握的深度学习框架排名为:TensorFlow、Torch、Caffee和MXNet。
四、云计算平台
AWS占据主导地位
五、机器学习应用
对于一般数据科学家来说,机器学习最大的应用领域是自然语言处理,其次是计算机视觉、语音识别、欺诈检测和推荐系统。有趣的是,在机器学习工程师职位招聘中,最大的需求是计算机视觉,其次才是自然语言处理。
另一方面,机器学习方面数据工程师再次成为备受专注,然而这些机器学习应用领域与他们并没有关系。
如果想成为数据科学家,你可以想进入的领域,选择不同类型的项目来展现专业知识,但对于机器学习工程师来说,计算机视觉是最佳选择!
六、可视化工具
Tableau是可视化方面的必备技能
在招聘中,数据科学家大多都要求需要掌握可视化工具,而很少要求数据工程师和机器学习工程师掌握。然而对以上每个职位来说,Tableau都是首选。对于数据科学家,Shiny、Matplotlib、ggplot和Seaborn都同样重要。
七、其他技能
在数据科学领域,Git对每种职位都很重要,而Docker仅适用于工程师
八、词云
接下来,我们使用词云来分析每个职位最常用的关键词,并结合相应的技能为所有数据科学角色构建理想的技能清单!
数据科学家:更注重机器学习,而不是业务或分析
数据科学家一直被认为是需要统计、分析、机器学习和商业知识的全方位职业。然而,现在看来在招聘数据科学家时,比起其他技能,更多地关注机器学习技能。
其他主要要求包括:业务、管理、通信、研究、开发、分析、产品、技术、统计、算法、模型、客户和计算机科学。
机器学习工程师:研究、系统设计和构建
与一般的数据科学家相比,机器学习工程师的技能要求更为集中,包括研究、设计和工程。显然,解决方案、产品、软件和系统是主要技能要求。除此之外还伴随着研究、算法、人工智能、深度学习和计算机视觉等要求。同时商业、管理、客户和沟通等也很重要。另一方面,管道和平台也很重要,这也印证了机器学习工程师主要负责构建数据管道以部署机器学习系统。
数据工程师:技能要求更为集中
与机器学习工程师相比,数据工程师的技能要求更集中。重点是通过设计和开发管道来支持产品、系统和解决方案。最主要的要求包括:技术技能、数据库、构建、测试、环境和质量。机器学习也很重要,可能是因为构建管道主要为了支持机器学习模型部署数据需求。
结语
希望通过本文能帮助你了解,在数据科学方面雇主最需要求职者哪些技能。最重要的是,解答关于要学习哪些技能,如何更好的写求职简历等问题。
数据分析咨询请扫描二维码
CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17数据分析,是一项通过科学方法处理数据以获取洞察并支持决策的艺术。无论是在商业环境中提升业绩,还是在科研领域推动创新,数据 ...
2024-12-17在数据分析领域,图表是我们表达数据故事的重要工具。它们不仅让数据变得更加直观,也帮助我们更好地理解数据中的趋势和模式。相 ...
2024-12-16在当今社会,我们身处着一个飞速发展、变化迅猛的时代。不同行业在科技进步、市场需求和政策支持的推动下蓬勃发展,呈现出令人瞩 ...
2024-12-16在现代商业世界中,数据分析师扮演着至关重要的角色。他们通过解析海量数据,为企业战略决策提供有力支持。要有效完成这项任务, ...
2024-12-16在当今数据爆炸的时代,数据分析师是组织中不可或缺的导航者。他们通过从大量数据中提取可操作的洞察力,帮助企业在竞争激烈的市 ...
2024-12-16在现代企业中,数据分析师扮演着至关重要的角色。他们不仅负责处理和分析大量的数据,还需要将这些分析结果转化为切实可行的商业 ...
2024-12-16在当今的大数据时代,数据分析已经成为推动企业战略的重要组成部分。无论是金融、医疗、零售,还是制造业,各个行业对数据分析的 ...
2024-12-16在当今这个以数据为驱动力的时代,数据分析领域正在迅速扩展与发展。随着大数据、人工智能和机器学习技术的不断进步,数据分析已 ...
2024-12-16在信息爆炸和数据驱动的时代,数据分析专业是否值得一选成为许多人思考的议题。无论是刚刚迈入大学校门的新生,还是考虑职业转型 ...
2024-12-16适合数据分析专业学生的实习岗位有很多,以下是一些推荐: 阿里巴巴数据分析岗位实习:适合经济、统计学、数学及计算机专业的 ...
2024-12-16在数据科学领域,探索实习机会是一个理想的学习和成长方式。实习不仅可以提供宝贵的实践经验,还能帮助学生发展关键的数据分析技 ...
2024-12-16在当今信息驱动的时代,数据分析不仅成为了企业决策的重要一环,还催生了各种职业机会。从技术到业务,数据分析专业的就业岗位种 ...
2024-12-16在现代企业中,数据分析师被誉为“数据探险家”,他们通过揭示隐藏在数据背后的故事,帮助公司优化业务策略和做出明智的决策。然 ...
2024-12-16在大数据崛起的时代,数据分析师被誉为企业的“幕后英雄”。他们通过解读数据,揭示隐藏的真相,为企业战略提供重要的指导。这份 ...
2024-12-16在这个信息大爆炸的时代,数据分析师成为了企业中的“福尔摩斯”,他们能够从庞杂的数据中提取关键洞察,为业务发展提供坚实支持 ...
2024-12-16在这个数据为王的现代社会,数据分析师如同企业的导航员,洞悉数据背后所隐藏的商业机会和战略优势。然而,成为一名优秀的数据分 ...
2024-12-16