2017数据科学报告：机器学习工程师年薪最高，Python最常用
数据平台 Kaggle 近日发布了2017 机器学习及数据科学调查报告，针对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进行深度调查。此次调查共收到16000余份回复。
以下「AI脑力波」小编对该报告数据进行了梳理编译，供大家参考。
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。在不同的国家，数值会有所差异，加拿大接受问卷调查的平均年龄为34岁，而中国的机器学习从业者年龄的中位数是25岁。
工作状态
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%。
职位
数据科学领域可涵盖的工作非常多，包括机器学习工程师、数据分析师、数据科学家、软件开发人员、数据挖掘人员等。其中，数据科学家人数占比最高，达24.4%。软件开发人员/工程师位居第二，但人数仅占12.3%，数据分析师紧跟其后，以11.3%位列第三。
年薪
从全球来看，人们普遍认为“职业进修机会”比“薪酬福利”要更重要一些。数据科学人员的年薪中位数为$55,441。在中国，数据科学家的年薪中位数为$29，835。美国则高达$110，000。
最高学历
通常来讲，数据科学从业者中最普遍的学历是硕士，但一般来讲，博士学位能拿到（$150K - $200K 和 $200k+）高薪。
就中国而言，硕士学位在总体占比为40.5%，博士仅11.2%，本科学位从业人数则高达39.5%，与硕士从业人数持平。
而美国，硕士学位只有44.5%，博士学位高达20.7%，本科从业者占比也高达26.5%。
数据科学研究方法
在军事和国安领域外，Logistic回归是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。
开放型数据源
没有数据就没有数据科学。因此，数据科学家了解如何才能找到干净的开放型数据，用于实践和项目十分重要。据调查显示，数据聚合平台是人们最常用获取数据的途径，其次是谷歌。
（以上图片全部来自：https://www.kaggle.com/surveys/2017）
