データサイエンスで最も人気のあるスキル

知識に関しては、データサイエンスの専門家は、機械学習、プログラミング、統計、数学、データの視覚化、コミュニケーション、ディープラーニングに多くのことを期待しています。 これらの各領域は、研究に利用できる多数の言語、フレームワーク、技術を網羅しています。 それでは、雇用主が手頃な価格になるために、データの専門家がトレーニング時間の予算を管理することはどのように良いでしょうか？



私は現在、雇用者に最も人気のあるスキルを見つけるために、求人サイトを注意深く調べました。 別の研究の一環として、データの操作に関連する幅広い分野と、特定の言語とツールの両方を検討しました。 素材については、2018年10月10日現在 、 LinkedIn 、 Indeed 、 SimplyHired 、 Monster、 AngelListを参照しました。 以下のグラフは、これらの各リソースで表示されるデータサイエンスジョブの数を示しています。











どのスキルが最も頻繁に言及されるかを理解するために、私は多くの職務記述書と調査を研究しました。 「管理」などの用語は、非常に広範囲の多様な状況の現場で使用されるため、分析には含まれませんでした。



検索は、「データサイエンス」、「キーワード」という用語に基づいて米国で実施されました。 出力を減らすために、正確な出現のみを選択しました。 何らかの方法で、同様の方法により、すべての結果がデータサイエンスに関連し、同じ基準がすべてのクエリに適用されることが保証されました。



AngelListは、データの操作に関連する空席の総数ではなく、そのような空席を提供している会社の総数を提供します。 検索アルゴリズムは明らかに「OR」原理に基づいて機能し、「And」モデルに何らかの方法で切り替えることができないため、このサイトを両方の研究から除外しました。 「データサイエンティスト」「TensorFlow」の精神で何かを入力すると、AngelListを使用できます。この場合、2番目のクエリの一致は最初のクエリの一致を意味します。 ただし、「データサイエンティスト」「react.js」の精神でキーワードを使用すると、データサイエンスに関連しない空席が多くなります。



Glassdoorを含む資料も除外する必要がありました。 このサイトは、26,263件のデータ求人に関する情報があると主張しましたが、実際には最大900件が表示されました。さらに、他の大規模サイトの3倍以上の求人を収集したことは非常に疑わしいようです。



調査の最終段階では、LinkedInで大きな成果が得られたキーワードを選択しました。広範なプロファイルスキルでは400以上、プライベートテクノロジーでは200以上です。 もちろん、いくつかの重複したオファーがありました。 この段階の結果をGoogleドキュメントに記録しました 。



次に、.csvファイルをダウンロードし、JupyterLabにアップロードし、それぞれの有病率をパーセンテージで計算し、取得した値をさまざまなリソースで平均しました。 その後、言語ごとの結果を、2017年前半のGlassdoorのデータサイエンスの求人に関する研究で提示された結果と比較しました。 これにKDNuggetsの使用に関する調査からの情報を追加すると、一部のスキルが人気を得ている一方で、他のスキルは徐々に価値を失っているようです。 しかし、それについては後で。



私のKaggleカーネルには、インタラクティブなグラフと追加の分析があります。 視覚化には、Plotlyを使用しました。 PlotlyとJupyterLabを組み合わせて使用​​するには、少なくともこの記事の執筆時点で何かをプレイする必要があります。手順は、Kaggleカーネルの最後とPlotlyのドキュメントに記載されています 。

幅広いスキル

雇用主が候補者に見てもらいたい最も人気のある一般的なスキルを表すグラフを次に示します。











結果は、分析と機械学習がデータサイエンスの専門家の仕事の基礎を形成し続けていることを示しています。 この専門分野の主な目的は、データ配列に基づいて有用な結論を出すことです。 機械学習は、それぞれのイベントの経過を予測できるシステムを作成することを目的としており、大きな需要があります。



データ処理には統計の知識とコードを書く能力が必要です-驚くべきことは何もありません。 さらに、統計、数学、ソフトウェアエンジニアリングは、大学でトレーニングが行われる専門分野であり、リクエストの頻度にも影響を与える可能性があります。



興味深いことに、空席のほぼ半数の説明では、コミュニケーションが言及されています。データの専門家は、調査結果を人々に伝え、チームで働く必要があります。



AIとディープラーニングについての言及は、他のクエリの一部ほど頻繁ではありません。 ただし、これらの領域は機械学習の分岐です。 ディープラーニングは、機械学習アルゴリズムが以前に使用されていたタスクでますます使用されています。 たとえば、自然言語を処理するときに発生する問題に最適な機械学習アルゴリズムは、特にディープラーニングの分野に関連しています。 将来的にはますます普及し、機械学習は深層の同義語として徐々に認識されるようになると思います。



雇用主によると、どの特定のソフトウェアソリューションがデータサイエンスの専門家によって習得されるべきですか？ 次のセクションでこの質問に移ります。

技術的スキル

以下は、雇用主によると、データ処理の専門家が経験すべき20の特定の言語、ライブラリ、および技術ツールです。











リーダーをすばやく見てみましょう。











Pythonは、最もリクエストの多いオプションです。 このオープンソース言語がプログラマーの間で非常に人気があるという事実は、多くの人が指摘しています。 初心者にとって、これは非常に便利なオプションです。多くのトレーニングリソースがあります。 新しいデータツールの大部分は、これと互換性があります。 このすべてに基づいて、Pythonはデータサイエンスの専門家の主要言語と呼ばれます。











RはPythonにわずかなマージンを付けます。 むかしむかし、データサイエンススペシャリストの主要言語は彼でした。 彼への積極的な関心が今も続いていることに驚きました。 この言語は統計に由来し、したがって、それを扱う人々の間で非常に人気があります。



ほぼすべての空席があるため、PythonまたはRの2つの言語のいずれかを知る必要があります。











SQLも非常に需要があります。 略語は構造化照会言語（Structured Query Language）の略で、この言語はリレーショナルデータベースと対話するための主要なツールです。 データサイエンスコミュニティのSQLはしばしば無視されますが、労働市場への参入を計画している場合に流SQLにすべきスキルを指します。

















次に来るのはHadoopとSparkで 、どちらもApacheのオープンソースツールであり、ビッグデータで動作するように設計されています。 Mediumに関するチュートリアルや記事はそれほど多くありません。 PythonまたはRに精通している人よりも、それらを所有している応募者の数が大幅に少ないと思います。HadoopとSparkの使用方法を知っているか、それらを習得する機会がある場合、これは競合他社よりも有利です。

















次はJavaとSASです。 これらの2つの言語が非常に高く登れることに驚いた。 どちらも大企業の発案であり、どちらもある程度の無料資料です。 ただし、データサイエンスの専門家の間では、JavaもSASも特に重要ではありません。











人気のあるテクノロジーのランキングの次は、 Tableauです。 強力で使いやすい分析プラットフォームおよび視覚化ツールです。 その人気は着実に高まっています。 Tableauには無料のパブリックバージョンがありますが、プライベートモードでデータを操作する場合は、分岐する必要があります。 Tableauを初めて使用する場合は、短いコースを受講するのが理にかなっています。たとえば、UdemyのTableau 10 AZです。 彼らは私に広告の代金を払っていない、私はこのコースを自分でやっただけで、それは非常に便利だと感じた。



以下のチャートでは、一般的な言語、フレームワーク、およびデータを操作するためのその他のツールの拡張リストを見つけることができます。

歴史的比較

GlassDoorチームは、2017年1月から7月にかけて、データサイエンスの専門家に最も人気のある 10のスキルに関する調査を公開しました。 以下のグラフでは、用語の頻度に関するデータが、LinkedIn、Indeed、SimplyHired、Monsterサイトで私が計算した平均値と比較されています。











全体的に、結果は似ています。 私の研究もGlassdoorの研究も、Python、R、SQLが最も需要が高いことに同意しています。 スキルのトップも、正確な順序は異なりますが、最初の9つのポジション内で構成が一致します。



結果から判断すると、2017年上半期と比較して、R、Hadoop、Java、SAS、MatLabの需要は減少しましたが、Tableauは逆に人気が高まりました。 これは、少なくともKDnuggets の開発者の調査結果を見る場合に予想されるはずです。 彼らは、R、Hadoop、Java、およびSASが数年間減少しているのに対し、Tableauは増加していることを明確に示しています。

推奨事項

これらの計算を考慮して、すでに市場に参入したか、キャリアを開始する準備ができているが、競争力を高めているデータスペシャリストにいくつかの推奨事項を提供したいと思います。

• データを分析する方法を知っていることを示し、機械学習を適切に習得する努力をeffortしまない
• コミュニケーションスキルに注意してください。 あなたのアイデアにもっと重みを与える方法を説明している「 Made to Stick 」という本を読むことをお勧めします。 また、 Hemmingway Editorアプリで練習して、考えをより明確に表現する方法を学びます。
• ディープラーニングフレームワークを学びます。 これは徐々に機械学習の学習プロセスの不可欠な部分になりつつあります。 私の他の記事では、さまざまなフレームワークの有用性、面白さ、人気を比較しています 。 こちらで見つけることができます。
• PythonとRをbetweenする場合は、Pythonを選択してください。 Pythonを既に知っているなら、Rについて学ぶことを検討してください。これは間違いなくあなたを市場でより魅力的な候補者にするでしょう。

雇用主がPythonで働く従業員を探しているとき、彼は候補者がデータ処理の主要なライブラリであるnumpy、pandas、scikit-learn、matplotlibに精通することを期待するでしょう。 このセットをマスターしたい場合は、次のリソースをお勧めします。

• DataCampとDataQuest-あちこちで SaaSデータサイエンストレーニングコースをオンラインで少額の費用で受講できます。 コードを書く過程ですぐに学習できます。 どちらのコースも幅広いツールをカバーしています。
• データスクールは、データサイエンスの基本概念を説明する一連のYoutubeビデオなど、さまざまなリソースを提供しています。
• マッキーニーによるPythonとデータ分析 。 これは、パンダライブラリの作成者の作品です。 基本的にはそれについてですが、データサイエンスに関連するPython、numpy、およびscikit-learnの基本にも触れます。
• “ Pythonによる機械学習の紹介。 MullerとGuidoによるデータ専門家向けガイド 。 Mullerはscikit-learnをサポートする責任があります。 一般的に機械学習、特にこのライブラリを勉強する人のための素晴らしい本。

ディープラーニングでブレークスルーを実現したい場合は、 KerasまたはFastAIから始めて 、 TensorFlowまたはPyTorchに進むことをお 勧めします。 Schollの「 Pythonでのディープラーニング 」は、Kerasとの連携を学習している人にとって大きな助けになります。



これらの推奨事項に加えて、自分が興味を持っているものの研究に集中することは価値があると思いますが、もちろん、さまざまな考慮事項に基づいてトレーニングのための時間を割り当てることができます。



オンラインポータルでデータ処理のスペシャリストとしての仕事を探している場合は、LinkedInから始めることをお勧めします。彼の結果は一貫して最も広範囲です。 また、空席を検索したり、ウェブサイトに履歴書を投稿したりする場合、キーワードは非常に重要な役割を果たします。 たとえば、考慮されるすべてのリソースについて、クエリ「data science」はクエリ「data scientist」の3倍の結果を生成します。 一方、データサイエンティストの提供にのみ興味がある場合は、このリクエストを優先することをお勧めします。



しかし、どのリソースを選択しても、さまざまな要求分野でスキルを実証するオンラインポートフォリオを作成することをお勧めします。 LinkedInプロフィールには、あなたが話しているスキルのいくつかの証拠が含まれていることが理想的です。



おそらく、他の記事で残りの研究結果を紹介します。 コードやインタラクティブグラフィックスについて詳しく知りたい場合は、 Kaggle Kernelにご招待します。