By 超神經
內容提要：2020 年已經逐漸接近尾聲，kaggle 發佈了其年度調查報告《機器學習與數據科學 2020》，向我們展示了當前數據科學家的羣體畫像。
關鍵詞：機器學習 數據科學 kaggle 調查
數據分析競賽平臺 kaggle，近期針對平臺用戶進行了一項調查，涉及從業者基本信息、薪資水平、工作經驗等多個維度。
對 20,036 名 Kaggle 用戶的反饋進行數據清洗後，kaggle 最終針對 13%(2675 名)的受訪者編制了這份報告。這些受訪者都是在職的數據科學家，或其他支持數據科學和機器學習的職位。
kaggle 歷時一個月，完成了此項調查報告
目前，最近調查報告已出爐。從這個報告中，我們可一覽當前機器學習與數據科學從業者的全貌，以及相關企業在這方面的人員僱傭、資金投入狀況等，一窺該行業最新發展趨勢。
注：在本次調查中，並未出現中國的數據科學家相關數據，超神經經過研究發現，kaggle 在調查問卷的參與規則中，有一條寫道：
若想獲得該問卷調查所設獎項，您必須滿足：
18 歲以上或所在國規定的公民年齡；
本人不是亞美尼亞、古巴、伊朗敘利亞、朝鮮、蘇丹國民；
不是受美國出口管制或制裁的個人或實體的代表。
明確指出以上國家、實體代表及個人沒有評獎資格
自 2018 年至今，美國已將 200 多家中國企業以及 13 所高校，列入出口管制或制裁的「實體清單」，我們將這些高校名單，以及部分科技、人工智能領域企業名單整理如下：
向上滑動查看更多被列入「實體清單」企業及高校
企業
北京計算科學研究中心
北京雲計算中心
中芯國際
大華科技
海康威視
科大訊飛
曠視科技
商湯科技
依圖科技
雲從科技
雲天勵飛技術有限公司
東方網力科技有限公司
北京達闥科技（CloudMinds）
奇虎 360 科技有限公司
廈門美亞柏科信息有限公司
頤信科技
華爲 38 家子公司
中國電子科技集團公司第三十研究所
中國電子科技集團公司第七研究所
無錫江南計算技術研究所
高校
北京航空航天大學
中國人民大學
國防科技大學
湖南大學
哈爾濱工業大學
哈爾濱工程大學
西北工業大學
西安交通大學
電子科技大學
四川大學
同濟大學
廣東工業大學
南昌大學
也就是說，只要你所在的學校、公司上了實體清單，問卷可以填，但是不能參與獎項的評審。雖然沒有進一步的背景調查和聲明，但 Kaggle 的確指名道姓地婉拒了不少國人蔘與。
報告精煉版：數據科學er的羣體畫像
性別、年齡與學歷分佈
該領域從業人員男多女少，男女比例約爲 5:1
35 歲是個分水嶺，大部分受訪者小於 35 歲
一半以上的受訪者擁有研究生學位
教育背景和工作經驗
大多數數據科學家走出校門後，仍堅持學習新技術
大多數數據科學家編程時間少於 10 年
一半以上的數據科學家，擁有機器學習的經驗不足三年
居住美國的數據科學家的工作薪水，明顯比其他國家同行更多
技術相關調查
相比 2019 年，使用雲計算的數據科學家更多了
Scikit-Learn 是使用最多的機器學習工具，有 4/5 的數據科學家在用
Tableau 和 PowerBI 是最流行的商業智能工具
男性爲主，人均碩士，印度霸榜
性別：超八成爲男性
數據科學家從業者仍然存在巨大的性別比例失衡，超過八成都是男性。
去年調查顯示，84% 爲男性，今年這一比例變化極小
年齡：95 後大軍已加入
數據科學家的年齡一般在 20 歲左右或 30 歲出頭，約 60% 在 22 歲至 34 歲之間。只有五分之一的專業數據科學家年齡在 40 歲以上。
數據科學家年齡集中在 25 - 34 歲之間
有跡象表明，隨着「Z 世代」（指大約 1995-2005 年之間出生的一代）更多地參與其中，數據科學家年齡越來越小，目前已有近 7% 的數據科學家年齡在 18-21 歲之間。
與去年的 5% 相比有所增長，因此，可以預見的是，未來這一羣體將會越來越年輕。
所在國家：印度和美國霸榜前兩位
在參與此次 Kaggle 年度調查的數據科學家中，印度的數據科學家佔 22%，而美國的佔 14.5%，兩者遠遠超過第三位的巴西（低於 5%）。
報告因爲各項因素，並未將中國明確列入，但排名第三的 Other 的數量不低，也許是爲納入有效統計結果的中國用戶。
印度和美國從事數據科學家的人數優勢明顯
受教育程度：研究生學位是標準
調查顯示，與往年一樣，研究生學位仍然是數據科學家的標準，超過 68% 的數據科學家擁有碩士或博士學位。只有不到 5% 的數據科學家沒有高中以上學歷。
超過半數的數據科學家都擁有碩士學位
學習平臺：Coursera 和 Udemy 最常用
數據科學和機器學習正在迅速改變，所以受訪者中，超九成仍會繼續保持學習。其中，大約 30% 的人選擇了傳統的高等教育課程，更多的人則通過在線資源學習。
在本次調查中，Coursera、Udemy 和 Kaggle Learn 是最常見的學習平臺。
很多人不止在一個平臺上學習
調查顯示他們人均會選擇 2.8 個平臺
編程經驗：絕大多數有多年編程經驗
受訪者中，大多數數據科學家都至少有幾年的編程經驗。甚至，超過 8% 的數據科學家從上個世紀，也就是至少 20 年前，就開始編程了。只有不到 2% 的數據科學家聲稱從來沒有寫過代碼。
從全球來看，美國數據科學家的編程經驗要豐富得多。在美國，37% 的人從事編程工作 10 年以上，而全球的話，這個比例只有 22%。
編程經驗對於數據科學家來說較爲重要
機器學習經驗：大多數爲機器學習新手
受訪者中，大多數的數據科學家在機器學習方面都是新手。只有不到 6% 的專業數據科學家已經使用機器學習 10 年或更久。
大約超過半數的數據科學家
機器學習方面經驗少於三年
薪資水平：美國最具競爭力
數據科學家收入相當有競爭力，而美國數據科學家薪資最高，平均達 12 萬 - 15 萬美元（約合人民幣 78 萬 - 98 萬元）。
而印度雖然數據科學家數量多，但是收入卻並不高，近 90% 的印度數據科學家每年的收入不到 5 萬美元，僅僅排在全球數據科學家薪資排行榜第六位。
全球各國數據科學家薪資中位數
他們都用什麼集成開發環境？
報告顯示，JupyterLab IDE 仍然是數據科學家的首選工具，大約有四分之三的數據科學家使用它。不過，這一數字比去年的 83% 有所下降。Visual Studio 代碼排名第二，僅略高於 33%。
他們都用什麼機器學習框架？
基於 Python 的機器學習庫仍居主導地位。其中，Scikit-learn 是一款適用於大多數項目的超級武器，排名第一，有五分之四的數據科學家在使用它。
調查中，TensorFlow 和 Keras，則分別有 50% 的數據科學家在使用。
其中，國內陳天奇博士打造的 Xgboost 排名第四
數據科學家成熱門職位，你也要加入嗎？
從 2016 年起，kaggle 每年都會進行這樣一次調查，讓我們能夠更清晰地看到機器學習與數據科學從業者的立體畫像，以及這一領域的發展趨勢。
在大數據時代，企業對數據科學家這一崗位的需求爆發式增長。同時，廣闊的發展前景和豐厚的薪酬，也使得數據科學家成爲很多人的夢想職業。
根據 Google Trends 顯示，在過去近十年
人們對數據科學家這一職位興趣猛增
不過，從 kaggle 的調查報告中，我們看到，數據科學家這一職業已經越來越年輕化，他們受教育程度也越來越高。因此，要想加入這一賽道，所面臨的競爭也是不小的。
kaggle 報告：
https://storage.googleapis.com/kaggle-media/surveys/Kaggle%20State%20of%20Machine%20Learning%20and%20Data%20Science%202020.pdf
—— 完 ——
掃描二維碼，加入討論羣
獲得更多優質數據集
瞭解人工智能落地應用
關注頂會&論文
回覆「讀者」瞭解詳情
更多精彩內容（點擊圖片閱讀）
