数据科学哪些技术很热门哪些不是？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-06
这是Python的世界
从2018年10月10日开始，与数据科学相关的工作清单，在2019年由于难以收集LinkedIn数据，删除了该来源，如果您查看职位发布和简历中列出的受欢迎的数据科学技术，并将2018年与2019年进行比较，那么值得注意的是其中的多少没有改变，Python曾经是并且现在是数据科学中主要的编程语言，而R在过去一年中的普及率有所下降，然而2018年至2019年之间却发生了变化，例如PyTorch的爆炸式增长，而SAS和Matlab等更传统的专有工具则继续下降。
如果您不熟悉PyTorch很快就会知道
由Google开发的TensorFlow通常是那些关注数据科学框架的人们的考虑因素，但由Facebook开发的PyTorch之所以受欢迎，其原因与MongoDB等非关系型数据库日益流行的原因相同：灵活性，两者之间重要的区别是这些框架定义计算图的方式。当Tensorflow创建静态图时，PyTorch相信动态图。那么这是什么意思？在Tensorflow中，您首先必须定义模型的整个计算图，然后运行ML模型。但是在PyTorch中，您可以随时定义/操作图形。在RNN中使用可变长度输入时，这特别有用。
PyTorch与Python一样因为它比TensorFlow更易于学习
并且建立ML模型感觉更直观，不过作为一个相对较新的ML框架，PyTorch在社区和其他资源方面落后于TensorFlow，Python吞噬了世界：一个开发人员的副项目如何成为地球上热门的编程语言,说到社区，这是研究发现的另一个显而易见的结论：开源作为一个整体在数据科学中方兴未艾,是的有一些实用的专有工具不断出现，但开源在排行榜中占主导地位,无论单个项目变得越来越流行，还是开放源代码作为一个类别，它的力量越来越强大。
与其试图掌握以上技术列表，不如是“专注于一次学习一种技术”推荐顺序？
Python（用于常规编程）
熊猫（用于数据操作）
Scikit学习库（用于学习ML）
SQL（用于查询）
Tableau（用于数据可视化）
云平台（用于运行模型/应用程序）
TensorFlow（）或PyTorch（增长快）（用于深度学习）
从2018年10月10日开始，与数据科学相关的工作清单，在2019年由于难以收集LinkedIn数据，删除了该来源，如果您查看职位发布和简历中列出的受欢迎的数据科学技术，并将2018年与2019年进行比较，那么值得注意的是其中的多少没有改变，Python曾经是并且现在是数据科学中主要的编程语言，而R在过去一年中的普及率有所下降，然而2018年至2019年之间却发生了变化，例如PyTorch的爆炸式增长，而SAS和Matlab等更传统的专有工具则继续下降。
如果您不熟悉PyTorch很快就会知道
由Google开发的TensorFlow通常是那些关注数据科学框架的人们的考虑因素，但由Facebook开发的PyTorch之所以受欢迎，其原因与MongoDB等非关系型数据库日益流行的原因相同：灵活性，两者之间重要的区别是这些框架定义计算图的方式。当Tensorflow创建静态图时，PyTorch相信动态图。那么这是什么意思？在Tensorflow中，您首先必须定义模型的整个计算图，然后运行ML模型。但是在PyTorch中，您可以随时定义/操作图形。在RNN中使用可变长度输入时，这特别有用。
PyTorch与Python一样因为它比TensorFlow更易于学习
并且建立ML模型感觉更直观，不过作为一个相对较新的ML框架，PyTorch在社区和其他资源方面落后于TensorFlow，Python吞噬了世界：一个开发人员的副项目如何成为地球上热门的编程语言,说到社区，这是研究发现的另一个显而易见的结论：开源作为一个整体在数据科学中方兴未艾,是的有一些实用的专有工具不断出现，但开源在排行榜中占主导地位,无论单个项目变得越来越流行，还是开放源代码作为一个类别，它的力量越来越强大。
与其试图掌握以上技术列表，不如是“专注于一次学习一种技术”推荐顺序？
Python（用于常规编程）
熊猫（用于数据操作）
Scikit学习库（用于学习ML）
SQL（用于查询）
Tableau（用于数据可视化）
云平台（用于运行模型/应用程序）
TensorFlow（）或PyTorch（增长快）（用于深度学习）
幸运的是，这些工具大多数都是开源的，并且/或者很容易以低廉的成本获得。这是由数据科学驱动的未来有希望的事情之一：与过去相比，进入成本相对较低。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
