ທັກສະທີ່ຕ້ອງການທີ່ສຸດໃນອາຊີບວິສະວະກອນຂໍ້ມູນ

ອີງຕາມການ ສະຖິຕິ 2019, ວິສະວະກອນຂໍ້ມູນປະຈຸບັນເປັນອາຊີບທີ່ຄວາມຕ້ອງການແມ່ນການຂະຫຍາຍຕົວໄວກ່ວາອື່ນໆ. ວິສະວະກອນຂໍ້ມູນມີບົດບາດສໍາຄັນໃນອົງການຈັດຕັ້ງ - ການສ້າງແລະຮັກສາທໍ່ແລະຖານຂໍ້ມູນທີ່ຖືກນໍາໃຊ້ເພື່ອປະມວນຜົນ, ຫັນປ່ຽນແລະເກັບຮັກສາຂໍ້ມູນ. ຜູ້ຕາງຫນ້າຂອງອາຊີບນີ້ຕ້ອງການທັກສະອັນໃດກ່ອນ? ບັນຊີລາຍຊື່ແຕກຕ່າງຈາກສິ່ງທີ່ຕ້ອງການຂອງນັກວິທະຍາສາດຂໍ້ມູນບໍ? ທ່ານຈະຮຽນຮູ້ກ່ຽວກັບທັງຫມົດນີ້ຈາກບົດຄວາມຂອງຂ້ອຍ.

ຂ້າພະເຈົ້າໄດ້ວິເຄາະບ່ອນຫວ່າງສໍາລັບຕໍາແຫນ່ງວິສະວະກອນຂໍ້ມູນຍ້ອນວ່າພວກເຂົາຢູ່ໃນເດືອນມັງກອນ 2020 ເພື່ອເຂົ້າໃຈວ່າທັກສະເຕັກໂນໂລຢີໃດເປັນທີ່ນິຍົມທີ່ສຸດ. ຫຼັງຈາກນັ້ນ, ຂ້າພະເຈົ້າໄດ້ປຽບທຽບຜົນໄດ້ຮັບກັບສະຖິຕິກ່ຽວກັບບ່ອນຫວ່າງສໍາລັບຕໍາແຫນ່ງນັກວິທະຍາສາດຂໍ້ມູນ - ແລະບາງຄວາມແຕກຕ່າງທີ່ຫນ້າສົນໃຈກໍ່ເກີດຂື້ນ.

ໂດຍບໍ່ມີການ preamble ຫຼາຍ, ນີ້ແມ່ນ top ten ເຕັກໂນໂລຊີທີ່ຖືກກ່າວເຖິງຫຼາຍທີ່ສຸດໃນການປະກາດວຽກເຮັດງານທໍາ:

ການກ່າວເຖິງເທກໂນໂລຍີໃນບ່ອນຫວ່າງສໍາລັບຕໍາແໜ່ງວິສະວະກອນຂໍ້ມູນໃນປີ 2020

ໃຫ້ຄິດໄລ່ອອກ.

ຄວາມຮັບຜິດຊອບຂອງວິສະວະກອນຂໍ້ມູນ

ໃນມື້ນີ້, ວຽກງານທີ່ວິສະວະກອນຂໍ້ມູນເຮັດແມ່ນມີຄວາມສໍາຄັນຫຼາຍສໍາລັບອົງການຈັດຕັ້ງ - ເຫຼົ່ານີ້ແມ່ນຜູ້ທີ່ຮັບຜິດຊອບໃນການເກັບຮັກສາຂໍ້ມູນແລະນໍາມັນເຂົ້າໄປໃນຮູບແບບທີ່ພະນັກງານອື່ນໆສາມາດເຮັດວຽກກັບມັນໄດ້. ວິສະວະກອນຂໍ້ມູນສ້າງທໍ່ເພື່ອຖ່າຍທອດຂໍ້ມູນ ຫຼືຊຸດຂໍ້ມູນຈາກຫຼາຍແຫຼ່ງ. ຫຼັງຈາກນັ້ນ, ທໍ່ປະຕິບັດການສະກັດ, ການຫັນປ່ຽນ, ແລະການໂຫຼດ (ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ຂະບວນການ ETL), ເຮັດໃຫ້ຂໍ້ມູນທີ່ເຫມາະສົມກັບການນໍາໃຊ້ຕື່ມອີກ. ຫຼັງຈາກນີ້, ຂໍ້ມູນຈະຖືກສົ່ງໃຫ້ນັກວິເຄາະແລະນັກວິທະຍາສາດຂໍ້ມູນເພື່ອດໍາເນີນການຢ່າງເລິກເຊິ່ງ. ສຸດທ້າຍ, ຂໍ້ມູນສິ້ນສຸດການເດີນທາງຂອງມັນຢູ່ໃນ dashboards, ບົດລາຍງານ, ແລະຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກ.

ຂ້ອຍກໍາລັງຊອກຫາຂໍ້ມູນທີ່ຈະເຮັດໃຫ້ຂ້ອຍສາມາດສະຫຼຸບໄດ້ວ່າເຕັກໂນໂລຢີໃດທີ່ຕ້ອງການຫຼາຍທີ່ສຸດໃນການເຮັດວຽກຂອງວິສະວະກອນຂໍ້ມູນໃນເວລານີ້.

ວິທີການ

ຂ້ອຍເກັບກຳຂໍ້ມູນຈາກສາມບ່ອນຊອກຫາວຽກ − ພຽງແຕ່, ແທ້ຈິງແລ້ວ и Monster ແລະເບິ່ງວ່າຄໍາຫລັກໃດທີ່ເຂົ້າມາໂດຍສົມທົບກັບ "ວິສະວະກອນຂໍ້ມູນ" ໃນບົດເລື່ອງຂອງບ່ອນຫວ່າງທີ່ແນໃສ່ຊາວສະຫະລັດ. ສໍາລັບວຽກງານນີ້ຂ້າພະເຈົ້າໄດ້ນໍາໃຊ້ສອງຫ້ອງສະຫມຸດ Python − ການຮ້ອງຂໍ и ແກງທີ່ສວຍງາມ. ໃນບັນດາຄໍາສໍາຄັນ, ຂ້າພະເຈົ້າໄດ້ລວມເອົາທັງສອງຄໍາທີ່ຖືກລວມຢູ່ໃນບັນຊີລາຍຊື່ທີ່ຜ່ານມາສໍາລັບການວິເຄາະບ່ອນຫວ່າງສໍາລັບຕໍາແຫນ່ງນັກວິທະຍາສາດຂໍ້ມູນ, ແລະສິ່ງທີ່ຂ້ອຍເລືອກດ້ວຍຕົນເອງໃນຂະນະທີ່ອ່ານການສະເຫນີວຽກສໍາລັບວິສະວະກອນຂໍ້ມູນ. LinkedIn ບໍ່ໄດ້ລວມຢູ່ໃນບັນຊີລາຍຊື່ຂອງແຫຼ່ງຂໍ້ມູນ, ນັບຕັ້ງແຕ່ຂ້າພະເຈົ້າຖືກຫ້າມຢູ່ທີ່ນັ້ນຫຼັງຈາກຄວາມພະຍາຍາມສຸດທ້າຍຂອງຂ້າພະເຈົ້າທີ່ຈະເກັບກໍາຂໍ້ມູນ.

ສໍາລັບແຕ່ລະຄໍາສໍາຄັນ, ຂ້າພະເຈົ້າໄດ້ຄິດໄລ່ອັດຕາສ່ວນຂອງ hits ຈາກຈໍານວນບົດເລື່ອງທັງຫມົດໃນແຕ່ລະເວັບໄຊທ໌ແຍກຕ່າງຫາກ, ແລະຫຼັງຈາກນັ້ນຄິດໄລ່ສະເລ່ຍສໍາລັບສາມແຫຼ່ງ.

Результаты

ຂ້າງລຸ່ມນີ້ແມ່ນສາມສິບຂໍ້ກໍານົດດ້ານວິສະວະກໍາຂໍ້ມູນດ້ານວິຊາການທີ່ມີຄະແນນສູງສຸດໃນທົ່ວທັງສາມບ່ອນເຮັດວຽກ.

ແລະນີ້ແມ່ນຕົວເລກດຽວກັນ, ແຕ່ນໍາສະເຫນີໃນຮູບແບບຕາຕະລາງ:

ໃຫ້ໄປຢູ່ໃນຄໍາສັ່ງ.

ການທົບທວນຄືນຜົນໄດ້ຮັບ

ທັງ SQL ແລະ Python ປາກົດຢູ່ໃນຫຼາຍກວ່າສອງສ່ວນສາມຂອງການເປີດວຽກທີ່ຖືກທົບທວນຄືນ. ມັນແມ່ນສອງເທກໂນໂລຍີນີ້ທີ່ເຮັດໃຫ້ຄວາມຮູ້ສຶກທີ່ຈະສຶກສາກ່ອນ. Python ເປັນພາສາການຂຽນໂປລແກລມທີ່ນິຍົມຫຼາຍທີ່ໃຊ້ສໍາລັບການເຮັດວຽກກັບຂໍ້ມູນ, ການສ້າງເວັບໄຊທ໌, ແລະການຂຽນສະຄິບ. SQL ຫຍໍ້ມາຈາກ Structured Query Language; ມັນກ່ຽວຂ້ອງກັບມາດຕະຖານທີ່ປະຕິບັດໂດຍກຸ່ມພາສາແລະຖືກນໍາໃຊ້ເພື່ອດຶງຂໍ້ມູນຈາກຖານຂໍ້ມູນທີ່ກ່ຽວຂ້ອງ. ມັນປາກົດເປັນເວລາດົນນານມາແລ້ວແລະໄດ້ພິສູດຕົວເອງວ່າມີຄວາມທົນທານສູງ.

Spark ໄດ້ຖືກກ່າວເຖິງໃນປະມານເຄິ່ງຫນຶ່ງຂອງບ່ອນຫວ່າງ. Apache Spark ແມ່ນ "ເຄື່ອງຈັກການວິເຄາະຂໍ້ມູນຂະຫນາດໃຫຍ່ແບບປະສົມປະສານທີ່ມີໂມດູນໃນຕົວສໍາລັບການຖ່າຍທອດ, SQL, ການຮຽນຮູ້ເຄື່ອງຈັກ, ແລະການປະມວນຜົນກາຟ." ມັນເປັນທີ່ນິຍົມໂດຍສະເພາະໃນບັນດາຜູ້ທີ່ເຮັດວຽກກັບຖານຂໍ້ມູນຂະຫນາດໃຫຍ່.

AWS ປະກົດຢູ່ໃນປະມານ 45% ຂອງການປະກາດວຽກ. ມັນເປັນເວທີຄອມພິວເຕີ້ຟັງທີ່ຜະລິດໂດຍ Amazon; ມັນມີສ່ວນແບ່ງຕະຫຼາດທີ່ໃຫຍ່ທີ່ສຸດໃນບັນດາແພລະຕະຟອມຟັງທັງຫມົດ.
ຕໍ່ໄປ Java ແລະ Hadoop - ເລັກນ້ອຍຫຼາຍກ່ວາ 40% ສໍາລັບອ້າຍຂອງພວກເຂົາ. Java ເປັນ​ພາ​ສາ​ທີ່​ເວົ້າ​ກັນ​ຢ່າງ​ກວ້າງ​ຂວາງ​, ການ​ທົດ​ສອບ​ການ​ຕໍ່​ສູ້​ທີ່​ ການສໍາຫຼວດຜູ້ພັດທະນາ Stack Overflow 2019 ໄດ້ຮັບລາງວັນອັນດັບທີ 2020 ໃນບັນດາພາສາທີ່ເຮັດໃຫ້ເກີດຄວາມຢ້ານໃນບັນດານັກຂຽນໂປລແກລມ. ໃນທາງກົງກັນຂ້າມ, Python ເປັນພາສາທີ່ສອງຮັກທີ່ສຸດ. ພາສາ Java ແມ່ນດໍາເນີນການໂດຍ Oracle, ແລະທຸກສິ່ງທີ່ເຈົ້າຕ້ອງການຮູ້ກ່ຽວກັບມັນສາມາດເຂົ້າໃຈໄດ້ຈາກຮູບຫນ້າຈໍຂອງຫນ້າຢ່າງເປັນທາງການຈາກເດືອນມັງກອນ XNUMX.

ມັນຄ້າຍຄືກັບການຂີ່ເຄື່ອງເວລາ
Apache Hadoop ໃຊ້ຮູບແບບການຂຽນໂປລແກລມ MapReduce ກັບກຸ່ມເຊີບເວີສໍາລັບຂໍ້ມູນໃຫຍ່. ໃນປັດຈຸບັນຮູບແບບນີ້ໄດ້ຖືກປະຖິ້ມໄວ້ຫຼາຍຂຶ້ນ.

ຫຼັງຈາກນັ້ນ, ພວກເຮົາເບິ່ງ Hive, Scala, Kafka ແລະ NoSQL - ແຕ່ລະເຕັກໂນໂລຢີເຫຼົ່ານີ້ຖືກກ່າວເຖິງໃນຫນຶ່ງສ່ວນສີ່ຂອງບ່ອນຫວ່າງທີ່ສົ່ງມາ. Apache Hive ແມ່ນຊອບແວສາງຂໍ້ມູນທີ່ "ເຮັດໃຫ້ມັນງ່າຍຕໍ່ການອ່ານ, ຂຽນ, ແລະຈັດການຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ທີ່ຢູ່ໃນຮ້ານແຈກຢາຍໂດຍໃຊ້ SQL." Scala - ພາສາການຂຽນໂປຼແກຼມທີ່ໃຊ້ຢ່າງຫ້າວຫັນໃນເວລາເຮັດວຽກກັບຂໍ້ມູນໃຫຍ່. ໂດຍສະເພາະ, Spark ຖືກສ້າງຂຶ້ນໃນ Scala. ໃນການຈັດອັນດັບທີ່ໄດ້ກ່າວມາແລ້ວຂອງພາສາທີ່ຫນ້າຢ້ານກົວ, Scala ຈັດອັນດັບທີສິບເອັດ. Apache Kafka – ເປັນ​ເວ​ທີ​ແຈກ​ຢາຍ​ສໍາ​ລັບ​ການ​ປຸງ​ແຕ່ງ​ຂໍ້​ຄວາມ​ນ​້​ໍ​າ​. ເປັນທີ່ນິຍົມຫຼາຍເປັນວິທີການຖ່າຍທອດຂໍ້ມູນ.

ຖານຂໍ້ມູນ NoSQL ກົງກັນຂ້າມກັບ SQL. ພວກມັນແຕກຕ່າງກັນທີ່ພວກມັນບໍ່ກ່ຽວຂ້ອງ, ບໍ່ມີໂຄງສ້າງ, ແລະສາມາດຂະຫຍາຍໄດ້ຕາມແນວນອນ. NoSQL ໄດ້ຮັບຄວາມນິຍົມບາງຢ່າງ, ແຕ່ຄວາມຢາກໄດ້ສໍາລັບວິທີການ, ເຖິງແມ່ນວ່າເຖິງຈຸດຂອງຄໍາພະຍາກອນວ່າມັນຈະປ່ຽນແທນ SQL ເປັນຄໍາຂວັນການເກັບຮັກສາທີ່ເດັ່ນຊັດ, ເບິ່ງຄືວ່າຈະສິ້ນສຸດລົງ.

ການປຽບທຽບກັບເງື່ອນໄຂໃນຕໍາແໜ່ງນັກວິທະຍາສາດຂໍ້ມູນ

ນີ້ແມ່ນສາມສິບຂໍ້ກໍານົດເຕັກໂນໂລຢີທີ່ພົບເລື້ອຍທີ່ສຸດໃນບັນດານາຍຈ້າງວິທະຍາສາດຂໍ້ມູນ. ຂ້ອຍໄດ້ຮັບບັນຊີລາຍຊື່ນີ້ໃນແບບດຽວກັນກັບທີ່ໄດ້ອະທິບາຍຂ້າງເທິງສໍາລັບວິສະວະກໍາຂໍ້ມູນ.

ການກ່າວເຖິງເທກໂນໂລຍີໃນບ່ອນຫວ່າງສໍາລັບຕໍາແໜ່ງນັກວິທະຍາສາດຂໍ້ມູນໃນປີ 2020

ຖ້າພວກເຮົາສົນທະນາກ່ຽວກັບຈໍານວນທັງຫມົດ, ເມື່ອທຽບກັບການທົດແທນທີ່ພິຈາລະນາໃນເມື່ອກ່ອນ, ມີ 28% ຫວ່າງງານຫຼາຍ (12 ທຽບກັບ 013). ລອງເບິ່ງວ່າເທັກໂນໂລຍີໃດທີ່ບໍ່ຄ່ອຍມີຢູ່ໃນບ່ອນຫວ່າງສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນຫຼາຍກວ່າວິສະວະກອນຂໍ້ມູນ.

ນິຍົມກວ່າໃນວິສະວະກຳຂໍ້ມູນ

ເສັ້ນສະແດງຂ້າງລຸ່ມນີ້ສະແດງໃຫ້ເຫັນຄໍາທີ່ມີຄວາມແຕກຕ່າງໂດຍສະເລ່ຍຫຼາຍກວ່າ 10% ຫຼືຫນ້ອຍກວ່າ -10%.

ຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດໃນຄວາມຖີ່ຄໍາຫລັກລະຫວ່າງວິສະວະກອນຂໍ້ມູນແລະນັກວິທະຍາສາດຂໍ້ມູນ

AWS ສະແດງໃຫ້ເຫັນເຖິງການເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ: ໃນວິສະວະກໍາຂໍ້ມູນມັນປາກົດເປັນປະຈໍາ 25% ຫຼາຍກ່ວາວິທະຍາສາດຂໍ້ມູນ (ປະມານ 45% ແລະ 20% ຂອງຈໍານວນບ່ອນຫວ່າງທັງຫມົດ, ຕາມລໍາດັບ). ຄວາມແຕກຕ່າງທີ່ສັງເກດເຫັນ!

ນີ້ແມ່ນຂໍ້ມູນດຽວກັນໃນການນໍາສະເຫນີທີ່ແຕກຕ່າງກັນເລັກນ້ອຍ - ໃນກາຟ, ຜົນໄດ້ຮັບສໍາລັບຄໍາຫລັກດຽວກັນໃນບ່ອນຫວ່າງສໍາລັບຕໍາແຫນ່ງວິສະວະກອນຂໍ້ມູນແລະນັກວິທະຍາສາດຂໍ້ມູນແມ່ນຢູ່ຂ້າງຄຽງກັນ.

ຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດໃນຄວາມຖີ່ຄໍາຫລັກລະຫວ່າງວິສະວະກອນຂໍ້ມູນແລະນັກວິທະຍາສາດຂໍ້ມູນ

ການກະໂດດທີ່ໃຫຍ່ທີ່ສຸດຕໍ່ໄປທີ່ຂ້ອຍສັງເກດເຫັນແມ່ນຢູ່ໃນ Spark - ວິສະວະກອນຂໍ້ມູນມັກຈະຕ້ອງເຮັດວຽກກັບຂໍ້ມູນໃຫຍ່. Kafka ຍັງເພີ່ມຂຶ້ນ 20%, ນັ້ນແມ່ນເກືອບ 15 ເທົ່າເມື່ອທຽບໃສ່ກັບຜົນໄດ້ຮັບສໍາລັບການຫວ່າງງານຂອງນັກວິທະຍາສາດຂໍ້ມູນ. ການໂອນຂໍ້ມູນແມ່ນຫນຶ່ງໃນຄວາມຮັບຜິດຊອບທີ່ສໍາຄັນຂອງວິສະວະກອນຂໍ້ມູນ. ສຸດທ້າຍ, ຈໍານວນການກ່າວເຖິງແມ່ນສູງກວ່າ XNUMX% ໃນຂົງເຂດວິສະວະກໍາຂໍ້ມູນສໍາລັບ Java, NoSQL, Redshift, SQL ແລະ Hadoop.

ຄວາມນິຍົມຫນ້ອຍໃນວິສະວະກໍາຂໍ້ມູນ

ຕອນນີ້ໃຫ້ເຮົາເບິ່ງວ່າເທັກໂນໂລຍີໃດເປັນທີ່ນິຍົມໜ້ອຍກວ່າໃນຕຳແໜ່ງນັກວິສະວະກອນຂໍ້ມູນ.
ການຫຼຸດລົງແຫຼມທີ່ສຸດເມື່ອທຽບກັບຂະແຫນງວິທະຍາສາດຂໍ້ມູນທີ່ເກີດຂຶ້ນໃນ R: ຢູ່ທີ່ນັ້ນລາວປາກົດຢູ່ໃນປະມານ 56% ຂອງບ່ອນຫວ່າງ, ທີ່ນີ້ - ພຽງແຕ່ 17%. ປະທັບໃຈ. R ເປັນພາສາການຂຽນໂປລແກລມທີ່ມັກໂດຍນັກວິທະຍາສາດແລະນັກສະຖິຕິ, ແລະເປັນພາສາທີ່ແປດທີ່ຫນ້າຢ້ານກົວທີ່ສຸດໃນໂລກ.

SAS ຍັງພົບເຫັນຢູ່ໃນບ່ອນຫວ່າງສໍາລັບຕໍາແຫນ່ງວິສະວະກອນຂໍ້ມູນຫນ້ອຍລົງເລື້ອຍໆ - ຄວາມແຕກຕ່າງແມ່ນ 14%. SAS ເປັນພາສາທີ່ເປັນເຈົ້າຂອງທີ່ຖືກອອກແບບມາສໍາລັບການເຮັດວຽກກັບສະຖິຕິແລະຂໍ້ມູນ. ຈຸດທີ່ຫນ້າສົນໃຈ: ການຕັດສິນໂດຍຜົນໄດ້ຮັບ ການຄົ້ນຄວ້າຂອງຂ້ອຍກ່ຽວກັບການເປີດວຽກເຮັດສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນບໍ່ດົນມານີ້, ມັນໄດ້ສູນເສຍພື້ນທີ່ຫຼາຍ - ຫຼາຍກ່ວາເຕັກໂນໂລຢີອື່ນໆ.

ໃນຄວາມຕ້ອງການທັງວິສະວະກໍາຂໍ້ມູນແລະວິທະຍາສາດຂໍ້ມູນ

ມັນຄວນຈະສັງເກດວ່າແປດຂອງສິບຕໍາແຫນ່ງທໍາອິດໃນທັງສອງຊຸດແມ່ນຄືກັນ. SQL, Python, Spark, AWS, Java, Hadoop, Hive ແລະ Scala ເຮັດໃຫ້ມັນເຂົ້າໄປໃນສິບອັນດັບທໍາອິດສໍາລັບທັງວິສະວະກໍາຂໍ້ມູນແລະອຸດສາຫະກໍາວິທະຍາສາດຂໍ້ມູນ. ໃນກາຟຂ້າງລຸ່ມນີ້ທ່ານສາມາດເບິ່ງສິບຫ້າເຕັກໂນໂລຢີທີ່ນິຍົມທີ່ສຸດໃນບັນດານາຍຈ້າງວິສະວະກອນຂໍ້ມູນ, ແລະຕໍ່ໄປແມ່ນອັດຕາຫວ່າງງານຂອງພວກເຂົາສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ.

ຂໍ້ສະເຫນີແນະ

ຖ້າທ່ານຕ້ອງການເຂົ້າໄປໃນວິສະວະກໍາຂໍ້ມູນ, ຂ້ອຍຂໍແນະນໍາໃຫ້ເຈົ້າເຮັດເຕັກໂນໂລຢີຕໍ່ໄປນີ້ - ຂ້ອຍບອກພວກມັນຕາມລໍາດັບຄວາມສໍາຄັນໂດຍປະມານ.

ຮຽນຮູ້ SQL. ຂ້ອຍກໍາລັງມຸ່ງຫນ້າໄປຫາ PostgreSQL ເພາະວ່າມັນເປັນແຫຼ່ງເປີດ, ທີ່ນິຍົມຫຼາຍໃນຊຸມຊົນ, ແລະແມ່ນຢູ່ໃນໄລຍະການຂະຫຍາຍຕົວ. ເຈົ້າສາມາດຮຽນຮູ້ວິທີການໃຊ້ພາສາໄດ້ຈາກປຶ້ມ My Memorable SQL - its pilot version is available ທີ່ນີ້.

Master Python, ເຖິງແມ່ນວ່າຈະບໍ່ຢູ່ໃນລະດັບ hardcore ທີ່ສຸດ. My Memorable Python ຖືກອອກແບບມາສະເພາະສຳລັບຜູ້ເລີ່ມຕົ້ນ. ມັນສາມາດຊື້ໄດ້ທີ່ Amazon, ສໍາເນົາເອເລັກໂຕຣນິກຫຼືທາງດ້ານຮ່າງກາຍ, ທາງເລືອກຂອງທ່ານ, ຫຼືດາວໂຫລດໃນຮູບແບບ pdf ຫຼື epub ຢູ່ໃນເວັບໄຊນີ້.

ເມື່ອທ່ານຄຸ້ນເຄີຍກັບ Python, ຍ້າຍໄປ pandas, ຫ້ອງສະຫມຸດ Python ທີ່ຖືກນໍາໃຊ້ສໍາລັບການທໍາຄວາມສະອາດຂໍ້ມູນແລະການປະມວນຜົນ. ຖ້າທ່ານກໍາລັງຕັ້ງໃຈທີ່ຈະເຮັດວຽກຢູ່ໃນບໍລິສັດທີ່ຕ້ອງການຄວາມສາມາດໃນການຂຽນໃນ Python (ແລະນີ້ແມ່ນສ່ວນໃຫຍ່ຂອງພວກເຂົາ), ທ່ານສາມາດແນ່ໃຈວ່າຄວາມຮູ້ກ່ຽວກັບ pandas ຈະຖືກຄາດໄວ້ໂດຍຄ່າເລີ່ມຕົ້ນ. ຕອນນີ້ຂ້ອຍກໍາລັງເຮັດບົດແນະນໍາກ່ຽວກັບການເຮັດວຽກກັບ pandas - ເຈົ້າສາມາດເຮັດໄດ້ ຈອງເພື່ອບໍ່ໃຫ້ພາດຊ່ວງເວລາຂອງການປ່ອຍຕົວ.

Master AWS. ຖ້າທ່ານຕ້ອງການກາຍເປັນວິສະວະກອນຂໍ້ມູນ, ທ່ານບໍ່ສາມາດເຮັດໄດ້ໂດຍບໍ່ມີເວທີຟັງຢູ່ໃນ stash, ແລະ AWS ແມ່ນມີຄວາມນິຍົມຫຼາຍທີ່ສຸດ. ຫຼັກສູດໄດ້ຊ່ວຍຂ້ອຍຫຼາຍ Linux Academyໃນເວລາທີ່ຂ້າພະເຈົ້າໄດ້ສຶກສາ ວິສະວະກໍາຂໍ້ມູນໃນ Google Cloud, ຂ້າພະເຈົ້າຄິດວ່າພວກເຂົາຍັງຈະມີເອກະສານທີ່ດີກ່ຽວກັບ AWS.

ຖ້າທ່ານໄດ້ສໍາເລັດບັນຊີລາຍຊື່ທັງຫມົດນີ້ແລະຕ້ອງການການຂະຫຍາຍຕົວຕື່ມອີກໃນສາຍຕາຂອງນາຍຈ້າງເປັນວິສະວະກອນຂໍ້ມູນ, ຂ້າພະເຈົ້າແນະນໍາໃຫ້ເພີ່ມ Apache Spark ສໍາລັບການເຮັດວຽກກັບຂໍ້ມູນໃຫຍ່. ເຖິງແມ່ນວ່າການຄົ້ນຄວ້າຂອງຂ້ອຍກ່ຽວກັບການຫວ່າງງານຂອງນັກວິທະຍາສາດຂໍ້ມູນສະແດງໃຫ້ເຫັນການຫຼຸດລົງຂອງຄວາມສົນໃຈ, ໃນບັນດາວິສະວະກອນຂໍ້ມູນມັນຍັງຄົງປາກົດຢູ່ໃນເກືອບທຸກໆບ່ອນຫວ່າງທີ່ສອງ.

ສຸດທ້າຍ

ຂ້ອຍຫວັງວ່າເຈົ້າຈະພົບເຫັນພາບລວມຂອງເຕັກໂນໂລຢີທີ່ຕ້ອງການຫຼາຍທີ່ສຸດສໍາລັບວິສະວະກອນຂໍ້ມູນທີ່ເປັນປະໂຫຍດ. ຖ້າເຈົ້າສົງໄສວ່າວຽກນັກວິເຄາະກໍາລັງໄກປານໃດ, ອ່ານ ບົດຄວາມອື່ນຂອງຂ້ອຍ. ມີຄວາມສຸກວິສະວະກໍາ!

ແຫຼ່ງຂໍ້ມູນ: www.habr.com