机器学习从业者工具使用方面大数据分析

数据平台 Kaggle 近日发布了 2017 机器学习及数据科学调查报告，这也是 Kaggle 首次进行全行业调查。调查共收到超过 16000 份回复，受访内容包括最受欢迎的编程语言、不同国家数据科学家的平均年龄、不同国家的平均年薪等。

下面主要看看工具使用方面的结果。请注意，该报告包含多个国家的数据，可能存在收集不够全面的情况，仅供参考。

年龄

从全球范围来看，本次调查对象的平均年龄在 30 岁左右。当然，各个国家的数值会有差异，中国的机器学习从业者年龄的中位数是 25 岁。

全球全职工作者为 65.7% ，其中中国为 53.% ，美国占比较高，达 70.9% 。

Logistic 回归是除了军事和国安领域外，最常用的数据科学研究方法。在军事和国防安全领域，神经网络被使用更多。

在工具语言使用方面，Python是数据科学家使用最多的语言。同时，统计学家对 R 语言的忠诚度很高。

关系型数据是最常用的数据类型，学术研究者和国防安全领域则更亲睐文本和图像。

Git 是他们最常用的代码共享和托管方式。

Dirty Data （脏数据）是从业者遇到的最大障碍。此外，理解不同算法的能力不够也是困扰数据工作者的一大障碍。缺乏有效管理和资金支持，是面临的两大外在困境。

有趣的是，只使用 Python 或只使用 R 的都觉得他们做出了正确的选择。 但是，如果你去询问那些既使用 Python 也使用 R 的人，推荐使用 Python 的可能会是 R 的两倍。

数据科学是个变化极快的领域，业内人员需要不断更新知识体系，才可以在业内保持一定地位，不被时代淘汰。Stack Overflow Q&A、Conferences 和 Podcasts 是已从业者经常使用的学习平台。