State of Data Science 2021 रिपोर्ट [46p PDF]

(anaconda.com)

10 पॉइंट द्वारा xguru 2021-07-27 | 1 टिप्पणियां | WhatsApp पर शेयर करें

→ कंपनियों और शैक्षणिक संस्थानों द्वारा अपनाए जा रहे ट्रेंड्स के आधार पर, छात्रों को भविष्य के लिए क्या तैयारी करनी चाहिए?

Anaconda.org ने 140 देशों के 4,299 लोगों पर ऑनलाइन सर्वे किया
पुरुष 72%, महिलाएँ 23%
25~40 वर्ष 50%, 18~24 वर्ष 24%, 41~56 वर्ष 18%
स्नातक 34%, मास्टर्स 24%, पीएचडी 10%, हाई स्कूल स्तर 13%
छात्र 27%, बिज़नेस एनालिस्ट 11%, डेटा साइंटिस्ट 11%, प्रोफेसर/शोधकर्ता 9%, डेटा इंजीनियर 7%, डेवलपर 6%
मैनेजर स्तर 26%, सीनियर 25%, एंट्री 15%, डायरेक्टर स्तर 10%, प्रिंसिपल स्तर 8%, ओनर/एक्जीक्यूटिव/C-लेवल 8%, VP 5%
COVID-19 का डेटा साइंस निवेश पर प्रभाव: कमी 37%, वृद्धि 26%, यथावत 24%
टीम का आकार

→ अकेले 19%

→ 6~10 लोग 44%

→ 1~5 लोग 29%

→ 11~20 लोग 17%

→ 20 से अधिक 10%

संगठन के भीतर अपनी टीम: IT 23%, R&D 16%, एडवांस्ड डेटा साइंस 8%, ऑपरेशंस 8%, फाइनेंस 6%
डेटा साइंटिस्ट के समय का उपयोग: डेटा तैयारी 22%, डेटा क्लीनिंग 17%, रिपोर्टिंग & प्रेज़ेंटेशन 17%, डेटा विज़ुअलाइज़ेशन 15%, मॉडल चयन 12%, मॉडल ट्रेनिंग 12%, मॉडल डिप्लॉयमेंट 11%
वे बातें जो डेटा मॉडल को प्रोडक्शन में जाने से रोकती हैं

→ 27% : IT सुरक्षा मानकों का अनुपालन

→ 24% : Python/R में बने मॉडल को दूसरी भाषा में फिर से कोड करना

→ 23% : dependencies और environment management

→ 24% : दूसरी भाषा में बने मॉडल को Python/R में फिर से कोड करना

→ CPU/GPU प्रदर्शन 60%

→ मेमोरी 46%

→ IT विभाग की मंज़ूरी 45%

→ OS 42%

→ निर्माता की customer support प्रतिष्ठा 40%

→ ब्रांड 32%

→ open source प्रोजेक्ट में योगदान के लिए अलग समय दिया जाता है 46%

→ open source प्रोजेक्ट डेवलपमेंट के लिए अलग funding 54%

→ ऐसे टीम सदस्य हैं जो केवल open source प्रोजेक्ट में भाग लेते हैं 41%

भाषाओं का उपयोग (Always, Frequently, Somtimes, Rarely, Never)

→ Python : हमेशा 34%, अक्सर 29%, कभी-कभी 22%, कम 11%, कभी नहीं 4%

→ SQL : हमेशा 15%, अक्सर 20%, कभी-कभी 27%, कम 16%, कभी नहीं 22%

→ R : हमेशा 10%, अक्सर 17%, कभी-कभी 25%, कम 18%, कभी नहीं 30%

1 टिप्पणियां

xguru 2021-07-27