互联网行业年终总结2020

数据科学和Python相结合是一段充满希望的冒险。开发者们可用它处理当下的业务问题，从医疗健康到工业等涉及各个领域。从数据中获得的洞见最终都要用于积极驱动市场，为企业和利益相关者创造双赢环境。

随着企业意识到数据科学的极大重要性，对数据科学家的需求便剧增了。由此，企业可应用数据驱动的方式来优化决策过程。

对于数据科学岗位的剧增，求职者的反应可谓独一无二。招聘人员发现他们收到的简历，不仅有来自与计算机科学相关背景的求职者，还有来自完全不相关领域，如人类学、社会科学和无学位的求职者。

数据科学，只有Python就够了吗?

数据科学工作岗位需求的确在迅速增长。但与此同时，在这个领域获得一份体面的工作仍然具有挑战性，对新手尤甚。这是因为，数据科学在理论与现实生活应用中存在着微妙区别，而后者与企业日常要处理的问题密切相关。

数据科学领域的学术界中，Python很受重视。教授们和讲师们教授如何利用Python的库，如NumPy, Pandas和Scikit-learn来理解数据。然而，虽然在某些情况下，单单Python就足以应用数据科学，但可惜的是，在企业界，它只是企业处理其大量数据的一小块拼图。

Python的局限性和其替代品

要追溯Python无法覆盖从数据提取到模型评估的所有数据科学阶段背后的原因，最重要的是要知道企业的数据首先储存在哪里。大多数公司的数据储存在服务器的数据库上。这些数据库需要被并发管理以保证效率和数据的可用性。

不幸的是，这项任务超出了Python的能力范围，于是这里就需要SQL(结构化查询语言)来发挥作用。这就是为什么，可以理解，几乎所有数据科学相关的工作岗位都会出现SQL。比如，数据分析师、业务分析师和数据科学家等。

此外，在着手处理数据科学中的机器学习和深度学习等具体细节之前，招聘经理会测试应聘者的SQL能力。问题在于，没有了SQL，甚至无法获得所需要的数据去处理。因此，从招聘者角度来看，SQL的使用经验比Python的更重要。

SQL VS Python

在专业人员中，SQL甚至比Python更受欢迎。2020年StackOverflow对47184位专业开发者进行了关于最重要编码语言的最新调查，其结论如下：
 

4.5 故障（FM）

• 由于不可靠数据基础设施引发的错误；
• 第三方提供商故障；
• 机器学习模型性能降级；
• 数据质量检查缺失；
• 弱需求分析；
• 资源规划不足；
• 弱数据管理策略；
• 数据索引破坏；
• 入侵机器学习预处理；
• 入侵模型框架。

4.6 停机（OUT）

• 基础设置/系统停机；
• 通信网络停机。

4.7 灾害

• 地震、洪水、火灾等自然灾害；
• 气候变化等。

4.8 法律（LEG）

• 数据索引破坏；
• 厂商锁定；
• 弱需求分析；
• 缺乏数据治理策略；
• 个人信息泄露。

5.结论

ENISA人工智能威胁图谱是即将发布的网络安全政策倡议和技术指导的基础，还介绍了人工智能相关的挑战。其中一个特别重要的领域是与人工智能相关的供应链。因此，强调包括人工智能供应链的所有要素在内的欧盟生态系统对安全可靠人工智能是非常重要的。欧盟的安全人工智能生态系统应将网络安全和数据保护放在首位，并促进相关的创新、能力建设、提高认识和开展研发活动。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!