数据科学大佬的简历上都有哪些技能？

如果你是一个数据科学的求职者，那么你一定想知道在你的简历上应该写些什么技能会有更大的概率接到面试。如果你想进入这个领域，你可能已经多次想要知道哪些技术可以成为一个有吸引力的候选人。

本篇将告诉你答案。

Python现在是数据科学的首选语言

有很多人争论：Python和R，哪个是数据科学的首选语言。市场需求报告告诉我们Python是现代的领导者。同样值得注意的是，R比SAS更少提及。因此，如果您正在考虑进入数据科学，可以将你的学习重点放在Python上。而SQL作为数据库语言，是数据科学家第二重要的语言。由于数据科学家职业的广泛性，其他语言也扮演着重要角色。

总的来说，数据科学家的主要语言是：Python，SQL，Scala，Lua，Java，SAS，R，C ++和Matlab。

机器学习工程师所需的语言更加多样化

作为热门语言，Python成为机器学习工程师的首选语言并不令人惊讶。此外，由于需要从头开始实现算法并在大数据环境中部署ML模型，因此C ++和Scala等相关语言也很重要。总的来说，与其他两个角色相比，语言的需求似乎更加分散。

总的来说，机器学习工程师的主要语言是：Python，Scala，Java，C ++，Lua，SQL，Javascript，Matlab，CSS和C#。

成为一名数据工程师，SQL是必须的技能

数据工程师常常处理数据库，而SQL是数据库的语言，所以SQL是数据工程师必备的语言。Python虽然很重要，但对于数据工程师而言，Scala和Java更为重要，因为这些语言可以帮助他们处理更大的数据。

总的来说，数据工程师的主要语言是：SQL，Scala，Java，Python和Lua。

Scala是数据科学中第二大进口语言

当我们对比不同的角色时，惊奇的发现，Scala不是第二个就是第三个。所以我们可以说数据科学中的前三种语言是Python，SQL和Scala。如果你正在考虑学习一门新语言，也可以考虑使用Scala。

Spark是除数据工程师之外的首选大数据技能

仅对于数据工程师而言，Hadoop比Spark更多，但总的来说，Spark绝对是首先应该学习的大数据框架。Cassandra对工程师而言比科学家更重要，而Storm似乎只与数据工程师有关。

总的来说，数据科学的大数据技术是：Spark，Hadoop，Kafka，Hive。

TensorFlow是深度学习的王者

数据工程师的职位描述中几乎没有提到深度学习框架，因此该角色几乎是不需要DL框架的。而更多使用DL框架的是机器学习工程师，这表明了机器学习工程师更多地是处理机器学习建模，而不仅仅是部署模型。另外，TensorFlow在深度学习的领域中是占据着主导地位的。尽管Keras作为高级深度学习框架在数据科学家中也是非常受欢迎的，但它几乎与机器学习工程师没什么关系，这也表明ML从业者们大多都使用较低级别的框架，比如TensorFlow。

总的来说，数据科学中最重要的几个深度学习框架是：TensorFlow，Torch，Caffee，MXNet。