Data science

ข้อมูลและเงินเดือน AI ดำเนินต่อไปในเดือนมีนาคม O'Reilly กล่าว

O'Reilly ในสัปดาห์นี้ตีพิมพ์ผลการสำรวจเงินเดือน ซึ่งแสดงให้เห็นว่าเงินเดือนเฉลี่ยสำหรับ AI และผู้เชี่ยวชาญด้านข้อมูลในสหรัฐอเมริกาและสหราชอาณาจักรอยู่ที่ $146, ต่อปี. แม้ว่าจะมากกว่างานจำนวนมาก แต่ก็เป็นตัวแทนเพียง 2.25% อัตราการเพิ่มขึ้นโดยเฉลี่ยต่อปีตามการสำรวจซึ่งยังแบ่งและหั่นเงินเดือนตามการศึกษา ตำแหน่งงาน เพศ รัฐ ภาษาโปรแกรมและแพลตฟอร์ม ในบรรดา 3 125 ข้อมูลและผู้เชี่ยวชาญด้าน AI (เช่น นักวิทยาศาสตร์ข้อมูล วิศวกรข้อมูล และ AI และผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิง) ซึ่งทำแบบสำรวจของ O'Reilly ทางอินเทอร์เน็ตในเดือนมิถุนายน ผู้ที่มาจากแคลิฟอร์เนียมีรายได้มากที่สุด โดยมีรายได้เฉลี่ย $163, ต่อปี. ไม่น่าแปลกใจเลยเมื่อพิจารณาจากจำนวนบริษัทเทคโนโลยีขนาดใหญ่ที่สร้างบ้านในซิลิคอนแวลลีย์ รวมถึงค่าครองชีพที่สูงโดยรวมของรัฐ แมสซาชูเซตส์ เดลาแวร์ นิวเจอร์ซีย์ นิวยอร์ก และแมริแลนด์ตาม Golden State โดยมีเงินเดือนเฉลี่ยน้อยกว่า $150 ,000. ผู้ชายคิดเป็น 54% ของผู้ตอบแบบสอบถามและพวกเขารายงาน เงินเดือนเฉลี่ย ($150,000) ที่สูงกว่าผู้หญิงอย่างมีนัยสำคัญ ($126,160 ). ผู้หญิงได้รับเพียง 61% ของสิ่งที่ผู้ชายได้รับ การสำรวจระบุ “ความแตกต่างที่เกิดขึ้นโดยไม่คำนึงถึงการศึกษา” O'Reilly ชี้ให้เห็นในการสำรวจ อย่างไรก็ตาม แม้จะมีส่วนต่างของเงินเดือน แต่ผู้หญิงมีวุฒิการศึกษาขั้นสูงกว่าผู้ชายในเปอร์เซ็นต์ที่สูงกว่า ตามการสำรวจซึ่งแสดงให้เห็น 16% ของผู้หญิงได้รับปริญญาเอกเมื่อเทียบกับ 000% ของผู้ชาย และ 24% ของผู้หญิงสำเร็จการศึกษาระดับปริญญาโท เช่น ต่อต้าน 25% ของผู้ชาย” ข้อมูลและเงินเดือนของผู้เชี่ยวชาญด้าน AI แยกตามเพศและการศึกษา (ที่มา: O'Reilly 2021 ข้อมูล/การสำรวจเงินเดือน AI) ความแตกต่างในเงินเดือนระหว่างเพศก็ถูกพบเช่นกันเมื่อมองผ่านเลนส์ ของตำแหน่งงาน “ในระดับผู้บริหาร เงินเดือนเฉลี่ยสำหรับผู้หญิงคือ $163, กับ $205, สำหรับผู้ชาย (ก 20% ความแตกต่าง)” O'Reilly กล่าวในรายงาน “ในระดับผู้กำกับ ความแตกต่างน้อยกว่ามาก–$180, สำหรับผู้หญิงกับ $184,000 สำหรับเงินเดือนชายและหญิง สูงกว่าระดับผู้บริหารจริงๆ” O'Reilly ยังรวบรวมข้อมูลเกี่ยวกับภาษาการเขียนโปรแกรมที่ AI และผู้เชี่ยวชาญด้านข้อมูลใช้ ไม่น่าแปลกใจที่ผู้ต้องสงสัยตามปกติมีอยู่อย่างสม่ำเสมอ: Python (ใช้โดย 61% ของผู้ตอบแบบสอบถาม), SQL (54%) , JavaScript 25%), Bash (24%), Java (16%) และ R (20%). แต่เมื่อเซบาสโตโพล บริษัทสื่อในแคลิฟอร์เนียใช้ข้อมูลภาษาที่อ้างอิงโยงกับข้อมูลเงินเดือน แนวโน้มที่น่าสนใจบางอย่างก็ปรากฏขึ้น ตัวอย่างเช่น AI และผู้เชี่ยวชาญด้านข้อมูลซึ่งทำเครื่องหมายถูกข้าง Rust มีเงินเดือนเฉลี่ยสูงสุด ($180,+) จากทุกภาษา ตามด้วย Go ($179,000) และสกาล่า ($175,). O'Reilly อธิบายว่า: “การจัดหาความสามารถสำหรับภาษาที่ใหม่กว่าเช่น Rust and Go นั้นค่อนข้างเล็ก แม้ว่านักวิทยาศาสตร์ด้านข้อมูลที่ใช้ภาษาเหล่านี้อาจมีความต้องการไม่มาก (แต่) แต่ก็มีความต้องการอย่างชัดเจน และด้วยโปรแกรมเมอร์ Go และ Rust ที่มีประสบการณ์ซึ่งขาดแคลน พวกเขาต้องการเงินเดือนที่สูงขึ้น” รายงานระบุในรายงาน เงินเดือนของผู้เชี่ยวชาญด้านข้อมูลและ AI แตกต่างกันอย่างไรตามภาษาการเขียนโปรแกรม (ที่มา: O'Reilly 2021 ข้อมูล/การสำรวจเงินเดือน AI) ไม่น่าแปลกใจเลยที่ภาษาที่ได้รับความนิยมมากที่สุด (Python, SQL, Bash และ R) เปลี่ยนกลับเป็นค่าเฉลี่ยเมื่อพูดถึงเงินเดือน โดยกลุ่มของพวกเขาแสดงขึ้นเพียง $150, ประมาณเงินเดือนเฉลี่ยในการศึกษานี้ Java แสดงแรงฉุดสูงขึ้นเล็กน้อย โดยมีค่าเฉลี่ยสูงกว่า $150 เล็กน้อย (อยู่ข้างหน้าภาษาโปรดของทุกคน “ฉัน ห้ามใช้ภาษาโปรแกรม”) ค่าผิดปกติด้านลบ ได้แก่ Perl, D และ CSS ซึ่งจัดกลุ่มรอบ $125 ,000/ปี ระดับ. O'Reilly ยังถามอีกว่าเครื่องมือและแพลตฟอร์มใดที่ AI และผู้เชี่ยวชาญด้านข้อมูลใช้สำหรับสถิติและการเรียนรู้ของเครื่อง และนี่คือจุดที่การเปรียบเทียบเงินเดือนน่าสนใจจริงๆ สำหรับผู้เริ่มต้น เห็นได้ชัดว่าผู้ที่ใช้เครื่องมือเหล่านี้จะได้รับค่าตอบแทนสูงกว่าผู้ตอบแบบสำรวจโดยเฉลี่ยเล็กน้อย นั่นคือ การแจกแจงเอียงมากกว่า $155, ไม่น่าแปลกใจเลยที่สถิติและเครื่องมือและแพลตฟอร์มเครื่องจักรที่ได้รับความนิยมมากที่สุด เช่น PyTorch และ TensorFlow ถูกจัดกลุ่มไว้ตรงกลาง ซึ่งในแผนภูมินี้มีมูลค่าประมาณ $145,. ค่าผิดปกติในระดับไฮเอนด์ ได้แก่ H2O.ai ซึ่งผู้ใช้โดยเฉลี่ยจะได้รับเงินประมาณ $155,000 และ KNIME มาทางขวา ด้านล่างนั้น Spark NLP, SparkMLlib และ Google Prediction ปัดเศษห้าอันดับแรก ค่าผิดปกติที่ต่ำสุดคือ Stata โดยมีเงินเดือนเฉลี่ยอยู่ที่ประมาณ $84 000 ต่อปี. มีการก้าวกระโดดครั้งใหญ่ไปยัง IBM System ML และ Nimble (ไลบรารีการเรียนรู้เชิงลึกน้ำหนักเบาที่ใช้ PyTorch) ที่ราคาประมาณ $140, ตามด้วย Excel และแพ็คเกจ ML/สถิติที่ชื่นชอบของทุกคน “ฉันไม่ใช้เครื่องมือ ML/สถิติใดๆ” ที่ค่ามัธยฐานสำหรับแบบสำรวจทั้งหมด (ประมาณ $

,136 ). ข้อมูลเงินเดือนรอบกรอบข้อมูลก็น่าสนใจเช่นกัน Clicktale ซึ่งเป็นบริการวิเคราะห์บนคลาวด์ที่ ContentSquare ได้มา 2019 เป็นผู้นำแพ็คด้วยเงินเดือนเฉลี่ย $225,000 ตามมาด้วย Tecton ร้านค้าฟีเจอร์บนคลาวด์ที่เราเขียนเมื่อต้นปีนี้อย่างใกล้ชิด ผู้เชี่ยวชาญด้านข้อมูลและ AI ที่รายงานโดยใช้ Ray, Amundsen และ Apache Kafka มีเงินเดือนที่สูงกว่าค่าเฉลี่ยใน $160 000 ถึง $180, พิสัย. คนต่ำบนเสาโทเท็มเฟรมเวิร์กคือ Google Analytics โดยมีเงินเดือนเพียง $150,13 ซึ่งแสดงให้เห็น เช่นเดียวกับผู้ที่รายงานโดยใช้เครื่องมือสถิติ/ML ผู้ที่ใช้เฟรมเวิร์กเหล่านี้มักจะเป็นนักวิทยาศาสตร์ข้อมูลอาวุโส/วิศวกร ML มากกว่า และได้รับการชดเชยสูงกว่า ข้อมูลและเงินเดือนของผู้เชี่ยวชาญด้าน AI ตามสถิติ/แพ็คเกจ ML (ที่มา: O'Reilly 2021 ข้อมูล/การสำรวจเงินเดือน AI) ข้อมูลที่น่าสนใจส่วนสุดท้ายเกี่ยวข้องกับการฝึกอบรม คนที่รายงานมากกว่า ชั่วโมงการฝึกอบรมรายงานว่าเงินเดือนเพิ่มขึ้นโดยเฉลี่ยมากกว่า มากกว่า $,. O'Reilly กล่าวว่าผู้ตอบแบบสำรวจที่ใช้ประโยชน์จากการฝึกอบรมที่บริษัทจัดหาให้ ซึ่งรวมถึงโปรแกรมการรับรอง การประชุมทางเทคโนโลยี หรือการฝึกอบรมประเภทอื่นๆ มีเงินเดือนเฉลี่ยสูงสุด ข้อมูลมีความคล้ายคลึงกันสำหรับข้อมูลเหล่านั้นและผู้เชี่ยวชาญด้าน AI ที่ได้รับการรับรอง “แบบสำรวจของเราเผยให้เห็นว่าข้อมูลที่ทุ่มเทและผู้เชี่ยวชาญด้าน AI มีความก้าวหน้าในอาชีพอย่างไรผ่านการพัฒนาทักษะและการฝึกอบรม” Mike Loukides ผู้เขียนรายงานและรองประธานฝ่ายเนื้อหาที่ O'Reilly กล่าวในการแถลงข่าว “การได้รับ L&D [learning and development] ถูกต้องเป็นสิ่งสำคัญสำหรับบริษัทในการรักษาและดึงดูดผู้มีความสามารถระดับสูงในตลาดงานที่ร้อนแรงนี้” คุณสามารถอ่านเพิ่มเติมเกี่ยวกับการสำรวจข้อมูลเงินเดือนของ O'Reilly 2021 และดาวน์โหลดรายงานได้ที่ www.oreilly.com/radar/2021-data-ai-salary-survey รายการที่เกี่ยวข้อง: การว่าจ้าง จ่ายสำหรับ Data Science และผู้เชี่ยวชาญด้านการวิเคราะห์เลือกเงินเดือนข้อมูล Steam รับ COVID Bump ทำไม Data Science ยังคงเป็นงานอันดับต้น ๆ

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button