2017年中美数据科学对比报告，Python排名第一，年薪中位数高达11万美金
最新消息，Kaggle最近对机器学习及数据科学领域进行了全行业深度调查，调查共收到超过 16,000 份回复，受访内容包括最受欢迎的编程语言是什么，不同国家数据科学家的平均年龄是什么，不同国家的平均年薪是多少等。
不过，因为中国的数据收集不够全面，而美国数据也同样存在清洗不够的情况，所以，以下数据仅供参考。希望Kaggle下次能将数据做得更透彻更深入更全面。
以下为AI科技大本营对其进行的数据整理，并从中美数据科学和机器学习对比的角度呈现如下：
中美数据工作者概况对比
年龄
从世界范围来看，本次调查对象的平均年龄大约 30 岁，当然，这个值在各个国家之间有变动。
以下为中美调查对象的年龄对比：
中国
在中国，机器学习从业者年龄的中位数是25岁，从业者集中在20-30岁年龄段。这可能反映出中国从业者人群的大体分布，但鉴于Kaggle所统计到的数据量，其中的细节还值得商榷一番。
美国
在美国，机器学习从业者年龄的中位数是32岁，以20-30岁年龄段的人数最多。但令人意外的是，我们在图表中看到一位年满100岁的大牛，还有几位年龄接近0岁的小朋友。我们尚不清楚Kaggle这里数据清洗的细节，不过这几位大牛果真存在的话，务请联系AI科技大本营，我们对您的存在非常感兴趣。
中美就业状况对比
中国全职工作者占53.%%，美国则高达70.9%
中国
美国
中美数据科学具体职位对比图
数据科学领域可涵盖的工作非常多，包括机器学习工程师，数据分析师，数据科学家，软件开发人员，数据挖掘人员等。以下为中美在数据科学领域的对比图：
中国
美国
年薪
从全球来看，数据科学人员的年薪中位数为$55,441。在中国，数据科学家的年薪中位数为$29，835。美国则高达$110，000
中国全职年薪
美国全职年薪
最高学历
通常来讲，数据科学从业者中最普遍的学历是硕士，但一般来讲，博士学位能拿到($150K - $200K 和 $200k+)的高薪。
就中国而言，硕士学位在总体占比为40.5%，博士仅11.2%，本科学位从业人数则高达39.5%，与硕士从业人数持平。
而美国，硕士学位只有44.5%，博士学位高达20.7%，本科从业者占比也高达26.5%。
总的来说，美国博士学位高达20.7%，从占比上来看，接近中国的两倍(中国为11.2%)。
中国
美国
数据科学家到底是怎么工作的?
工作中使用什么样的方法?
Logistic回归是除了军事和国安领域外，最常用的数据科学研究方法。在军事和国防安全领域，神经网络使用地更多。
所有国家整体数据
数据工作中使用最多的工具语言是?
总体来说，Python是数据工作者使用最多的语言。同时，数据研究人员对R语言的忠诚度也很高。
所有国家整体数据
工作中使用什么类型的数据?
关系型数据市是最常用的数据类型。但在学术研究者和国防安全领域则更亲睐文本和图像。
所有国家整体数据
工作中使用什么样的代码共享和托管方式?
大部分数据工作者使用Git分享代码。不过，大公司的工作者更喜欢将代码保留在本地，并将代码用邮件分享。初创公司则用更快捷的云分享方式。
所有国家整体数据
工作中遇到了什么样的障碍?
脏数据(Dirty Data)是最大障碍。机器有侧重，但理解不同算法的能力不够也是一大困扰数据工作者的障碍。缺乏有效管理和资金支持是数据工作者面临的两大外在困境。
数据科学新手如何在这个行业崭露头角?
根据你的经验，你会向数据科学新手推荐使用哪种语言?
这个因人而异。在Python和R两大使用群体最大的语言中，大部分人觉得Python更值得被推荐。
你从哪里获得数据科学的学习资源?
数据科学是个变化极快的领域，业内人员需要不断更新知识体系，才可以在业内保持一定地位，不被时代淘汰。Stack Overflow Q&A，Conferences，和Podcasts是已从业者经常使用的学习平台。发布新软件时，一定记住阅读官方使用指南，并推荐去YouTube观看使用视频。
从哪里获得开放数据集?
没有数据就没有数据科学!当涉及到一些数据科学技巧时，知道如何找到练习所用的干净的开源数据集和项目非常重要。越来越多人开始使用我们的数据集聚合器(https://www.kaggle.com/datasets).
通过什么渠道获得工作?
根据数据科学领域过来人的经验，以下这些方法可能会比在公司网站，招聘网站上投递简历更高效，比如通过建立自己在这个行业的关系网络。