让我们看看一些主要公司的情况。 快速在LinkedIn上搜索“数据科学家”的职位将为全球提供30,000多个结果。
多家公司聘请“数据科学家”来拥有多个个人资料。 本质上，数据科学家的角色并不仅限于特定的团队或部门。 通常，公司中的每个团队可能都有自己的数据科学家。 例如，Facebook聘用了各种个人资料的数据科学家，例如收入预测和分析，在线安全性，增长和分析，广告，视频生态系统，产品质量等。工作是相同的，但是您使用的数据和产生的结果是不同的。 数据无处不在。 这就是增加对数据科学家的需求的原因。 他们的用例用途非常广泛，范围非常广泛。
在分析了来自不同公司的数据科学家的一系列职位描述之后，我们汇总了人们在数据科学家中通常需要的要求和各种内容。
您需要知道的事情（您不需要全部了解）：
- 为什么还不准备买第一匹马呢？
- 日语S语：“ nanpa suru”，“ gyaku nan suru”
- Mac Xcode和C ++ —文件处理
- 学习方式– Akitoye-Omole Aderoju –中
- 是什么真正让我无法讲法语？
编程语言：
- Python： Python是一种简单有效的脚本语言，在配备了各种库的数据科学和分析中非常有用。 “ Python数据科学手册”提供了开始使用python进行数据分析和使用的各种重要库所需的所有信息。
- R： R是一种功能强大的编程语言，在统计分析方面，公司通常优先于python来使用。 python在许多方面都很简单。 这篇由Analytics Vidhya撰写的博客文章，标题为“从零开始学习R中的数据科学的完整教程”，涵盖了您需要了解的所有有关R及其使用方法的知识以及一些重要的技术概念。 精通python或R是必不可少的。
- SAS： SAS是一种统计分析软件。 它是用于数据科学的另一种主要编程语言。 如果您有兴趣合作的公司更喜欢使用SAS，那么Tutorials Point的这份203页的教程涵盖了您需要了解的所有信息。
- SPSS：这是另一个用于数据统计分析的软件。 尽管不如Python或R流行，但有时可能非常方便。
查询语言：
作为一名数据科学家，人们将不断处理数据和数据库。 这样，必须具有关于至少一种查询语言的知识。 查询语言基本上是一种编程语言，可以通过请求和检索数据来与数据库和信息系统进行交互。
- SQL：它是结构化查询语言，是最受欢迎的语言之一。 这是一个教程， “掌握SQL以用于数据科学的7个步骤” ，它提供了您需要了解的所有内容，并快速掌握了该语言和用法。
- Apache Hive和Pig：如果您以前从未听说过它们，这些名称可能看起来很怪异，但实际上是在处理大数据时使用的。 在了解这些之前，您应该首先了解Hadoop。 Hadoop基本上是一个用于存储和管理大量数据的分布式框架。 值得学习另一篇文章本身就是一个巨大的话题。 本文“ Hive和Pig，它们之间的介绍和主要区别”给出了它们的基本概念。 我自己在这些方面经验不足，因此无法发表更多评论。 掌握SQL之后，您可能应该去这里。
- NoSQL数据库：基本上，它代表不只是SQL。 MongoDB，Cassandra和HBase属于此域。 每个人都值得在自己的文章中探讨其用例和优势。
数据可视化工具和框架：
数据可视化是任何数据分析过程中的重要步骤，有助于我们从物理上感知数据。
- D3.js：这是一个JavaScript库，用于在Web浏览器中进行交互式数据可视化。 在开始学习此之前，您必须了解HTML，CSS和JavaScript的基础知识，这些基础知识是Web开发的基础知识，也不难掌握。 如果您已经熟悉它们，那么本文“ 5分钟内学习D3.js”将帮助您很快地了解它的用例。
- GGplot和Matplotlib是在python和R中用于数据可视化的其他重要软件包。它们非常简单，可以直接使用，因为它们带有许多内置函数。
- Tableau：这是一种广泛使用的交互式数据可视化软件。 它对于快速可视化数据很有用，并且也可以与R集成。 这是Coursera提供的为期5周的在线课程，杜克大学提供的“数据可视化和与Tableau的通信”可以提供有关此软件的一些快速培训。
- Microstrategy和Power BI是市场上数据科学家必须意识到的其他类似软件。 不同的公司可能使用不同的框架。
所有这些构成了任何数据科学家所期望的主要技能设定点和使用经验。 寻求职业转变或数据科学领域工作的专业人员可以将这些作为大多数数据科学资料的要求（如果不是全部的话）。 到目前为止，我们已经看到了数据科学家在日常工作中使用的软件，框架和工具，但是人们必须了解哪些技术概念？
请继续关注下一篇文章，在这篇文章中，我们简要探讨数据科学家中最常和最经常寻求的技术概念，并在相关资源中获取专业知识。
