作者 | George Liu

翻譯 | Mika

CDA 數(shù)據(jù)分析師原創(chuàng)作品，轉載需授權

如果你是一名數(shù)據(jù)科學方面的求職者，你肯定想知道在簡歷上寫些什么才能獲得面試的機會；如果你想進入這個領域，你一定想知道具備哪些技術才能成為一名有競爭力的求職者。

在本文中，我們對Indeed中一千份數(shù)據(jù)科學相關的招聘信息進行了分析，主要針對數(shù)據(jù)工程師、數(shù)據(jù)科學家和機器學習工程師這三個職位，希望能解答你的疑問。

首先，讓我們來看看不同職位的技能要求。

一、必備語言

1. 目前Python處于主導地位

關于數(shù)據(jù)科學中的首選語言，究竟是Python還是R曾有過爭論。顯然，市場需求說明如今Python是處于主導地位。同樣值得注意的是，R語言可能還排在SAS之后。因此，如果你打算進入數(shù)據(jù)科學領域，不妨把學習重點放在Python上。作為數(shù)據(jù)庫語言，SQL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。

數(shù)據(jù)科學家必備語言排名為：Python、SQL、Scala、Lua、Java、SAS、R、C ++和Matlab。

2. 機器學習工程師使用的語言更加多樣化

Python是機器學習工程師的首選語言，這并不令人驚訝。機器學習工程師需要從頭開始實現(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?？偟膩碚f，機器學習工程師使用的語言更加多樣化。

機器學習工程師必備語言排名為：Python、Scala、Java、C ++、Lua、SQL、Javascript、Matlab、CSS和C＃。

3. SQL 是數(shù)據(jù)工程師的必備技能

數(shù)據(jù)工程師一直都在于數(shù)據(jù)庫打交道，而SQL是數(shù)據(jù)庫語言，因此SQL是首選語言也就不足為奇了。同時Python也重要，但重要性排在Scala和Java之后，因為后者能夠幫助數(shù)據(jù)工程師處理大數(shù)據(jù)。

數(shù)據(jù)工程師必備語言排名為：SQL、Scala、Java、Python和Lua。

4. Scala 逐漸成為數(shù)據(jù)科學中第二重要的語言（而不是R語言）

當我們研究分析不同職位時發(fā)現(xiàn)，Scala要么的重要性排在第二或第三。因此我們可以，數(shù)據(jù)科學領域中排名中前三的語言是Python、SQL和Scala。如果你打算學一門新語言，可以試試Scala。

二、大數(shù)據(jù)技能

Spark是除數(shù)據(jù)工程師之外，最必備的大數(shù)據(jù)技能

僅對數(shù)據(jù)工程師而言，Hadoop比Spark更為重要。但總的來說，Spark絕對是應該首先學習的大數(shù)據(jù)框架。相對于數(shù)據(jù)科學家，Cassandra對工程師更為重要，而似乎只有數(shù)據(jù)工程師才需要用Storm。

數(shù)據(jù)科學領域必備的大數(shù)據(jù)技術排名為：Spark、Hadoop、Kafka、Hive。

三、 深度學習框架

深度學習方面，TensorFlow 占主導地位

在數(shù)據(jù)工程師的招聘中很少提到深度學習框架，因此該職位可能不需要用到深度學習框架；在機器學習工程師招聘中，常常提到深度學習框架，這表明機器學習工程師需要常常處理機器學習建模，而不僅僅是模型部署。

此外，TensorFlow在深度學習領域絕對占據(jù)主導地位。盡管Keras作為高級深度學習框架在數(shù)據(jù)科學家中非常受歡迎，但對于機器學習工程師職位，很少要求要掌握Keras，這可能表明機器學習從業(yè)者大多使用較低級別的框架，如TensorFlow。

數(shù)據(jù)科學中要掌握的深度學習框架排名為：TensorFlow、Torch、Caffee和MXNet。

四、云計算平臺

AWS占據(jù)主導地位

五、機器學習應用

機器學習方面計算機視覺是最主要的技能需求

對于一般數(shù)據(jù)科學家來說，機器學習最大的應用領域是自然語言處理，其次是計算機視覺、語音識別、欺詐檢測和推薦系統(tǒng)。有趣的是，在機器學習工程師職位招聘中，最大的需求是計算機視覺，其次才是自然語言處理。

另一方面，機器學習方面數(shù)據(jù)工程師再次成為備受專注，然而這些機器學習應用領域與他們并沒有關系。

如果想成為數(shù)據(jù)科學家，你可以想進入的領域，選擇不同類型的項目來展現(xiàn)專業(yè)知識，但對于機器學習工程師來說，計算機視覺是最佳選擇！

六、可視化工具

Tableau是可視化方面的必備技能

在招聘中，數(shù)據(jù)科學家大多都要求需要掌握可視化工具，而很少要求數(shù)據(jù)工程師和機器學習工程師掌握。然而對以上每個職位來說，Tableau都是首選。對于數(shù)據(jù)科學家，Shiny、Matplotlib、ggplot和Seaborn都同樣重要。

七、其他技能

在數(shù)據(jù)科學領域，Git對每種職位都很重要，而Docker僅適用于工程師

八、詞云

接下來，我們使用詞云來分析每個職位最常用的關鍵詞，并結合相應的技能為所有數(shù)據(jù)科學角色構建理想的技能清單！

數(shù)據(jù)科學家：更注重機器學習，而不是業(yè)務或分析

數(shù)據(jù)科學家一直被認為是需要統(tǒng)計、分析、機器學習和商業(yè)知識的全方位職業(yè)。然而，現(xiàn)在看來在招聘數(shù)據(jù)科學家時，比起其他技能，更多地關注機器學習技能。

其他主要要求包括：業(yè)務、管理、通信、研究、開發(fā)、分析、產(chǎn)品、技術、統(tǒng)計、算法、模型、客戶和計算機科學。

機器學習工程師：研究、系統(tǒng)設計和構建

與一般的數(shù)據(jù)科學家相比，機器學習工程師的技能要求更為集中，包括研究、設計和工程。顯然，解決方案、產(chǎn)品、軟件和系統(tǒng)是主要技能要求。除此之外還伴隨著研究、算法、人工智能、深度學習和計算機視覺等要求。同時商業(yè)、管理、客戶和溝通等也很重要。另一方面，管道和平臺也很重要，這也印證了機器學習工程師主要負責構建數(shù)據(jù)管道以部署機器學習系統(tǒng)。

數(shù)據(jù)工程師：技能要求更為集中

與機器學習工程師相比，數(shù)據(jù)工程師的技能要求更集中。重點是通過設計和開發(fā)管道來支持產(chǎn)品、系統(tǒng)和解決方案。最主要的要求包括：技術技能、數(shù)據(jù)庫、構建、測試、環(huán)境和質(zhì)量。機器學習也很重要，可能是因為構建管道主要為了支持機器學習模型部署數(shù)據(jù)需求。

結語

希望通過本文能幫助你了解，在數(shù)據(jù)科學方面雇主最需要求職者哪些技能。最重要的是，解答關于要學習哪些技能，如何更好的寫求職簡歷等問題。