向量机，这有可能是近来多层感知机要比用于带核函数的SVM更为普遍的展现出。工作中你用于最少的工具语言是什么？Python是数据科学家最常用的语言，也是最常用的数据分析工具。

不过，还有很多数据科学家对R语言仍维持着较高忠诚度。在工作中你常用的数据类型是什么？关系型数据是开发者在工作中最常用的数据类型，大多数产业工程师都十分注目。

而学术研究者和国防安全性产业则更加注目文本与图像。如何共享工作中的代码？多达一半数据工作者（58.4%）用于Git共享代码。

不过，大公司的工作者更喜欢将代码保有在本地，并将代码用邮件共享。而初创公司有可能必须在云中分享以维持更为灵活的反应。工作中遇上的障碍主要是什么？干净数据（dirtydata）以占有相似一半的比例名列第一，干净数据（Dirty Read）是指源系统中的数据不出等价的范围内或对于实际业务毫无意义，也就是说数据科学家一般最少见的后遗症就是必须对数据展开大量的预处理工程。

紧随其后的是“缺少数据科学天赋”、“缺少资金和管理反对”“缺少一个能具体问的问题”以及“数据不能用或无法提供”。值得注意的一点是，当调整公司规模到中小型企业，“缺少资金重新组建数据团队”这一选项马上位居第三。显然资金和人才一直是创业公司面临的众多难题。

这也意味著新的数据科学家很幸运地。他们转入了一个炙手可热的行业。三、数据科学家新手如何进行？谋求新的职业发展时，想到别人的顺利秘诀往往很有协助。

我们调查了在数据科学行业工作的人们，告知他们是如何“顺利”的。以下是我们实在较好的几条建议：你建议数据科学家新手年所习哪门语言？每一位数据科学家对于如何自由选择第一门语言都有自己的点子。事实证明，那些用于Python或R语言的人们作出了准确的自由选择。不过如果你问一下用于过R和Python的人们，他们引荐Python给你的概率可能会大两倍。

你们用于哪些数据科学自学资源？数据科学是一个较慢变化的领域，有很多有价值的资源可以协助你自学并维持业内顶尖的方位，从而大大提高自己的竞争力。早已在数据科学领域中工作的人更加多用于StackOverflowQA，Conferences和Podcasts，以在这个新人辈出的行业维持与时俱进。

如果想公布内容或开源软件，请求忘记，刚刚转入这个领域的人们一般来说更加多用于官方的文档和观赏Youtube视频。你们在哪里提供开源数据？没数据，就没数据科学。当必须自学数据科学技巧的时候，告诉如何寻找整洁的开源数据集用作锻炼和研发项目非常最重要。

我们很高兴的获知，我们的数据集单体器（datasetaggregators）：https://www.kaggle.com/datasets于是以发展为数据科学社区成员中最频密用于的工具。你们怎么去找工作，以及怎么寻找的？去找工作的时候你可能会到公司网站上，或找寻登录技术方向的聘用信息，但是根据早已在数据科学领域工作的人们的经验，这些方式是最好的自由选择。而通过创建自己在这个行业的关系网络、直接联系招聘者或创建自己的网络以转入这个领域才是他们的选用。

录：多于50名受访者的界别被拆分入了「Other」类中。其中一些柱状图为了美观而做到了图形处置，期望查阅所有问题和结果的原始数据可采访源网页查阅。(公众号：)编译器via Kaggle原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：澳门永利皇宫官网入口-www.kshuakang.com