原文：
www.kdnuggets.com/2023/06/programming-languages-specific-data-roles.html
作者图片
当你对进入数据领域感兴趣时，可能很难知道你需要学习哪个编程语言来满足你的特定兴趣或技能。许多人因为听说某种编程语言非常流行或缺乏足够的知识而浪费了大量时间来熟练掌握一种特定的编程语言。
1. 谷歌网络安全证书 - 快速进入网络安全职业。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT 工作
很多数据科学角色被交替使用，有时也被互换宣传。你可能会看到有人把数据分析师和数据科学家视为相同的角色，或者把数据科学家和机器学习工程师视为相同角色。
这可能是因为招聘人员或员工对不同角色之间的区别了解不够，以吸引兴趣或能够雇用一个能一举两得的人。
本博客旨在让你对哪些编程语言是特定数据角色所需或必不可少的有一个快速而简单的了解。
让我们从定义流行的数据角色开始。
数据分析师 - 查阅数据并提供解释数据的报告和可视化。
数据科学家 - 收集、清理、分析数据，提供报告、可视化，并操作数据以进行高级数据分析。
数据工程师 - 负责建立和维护组织的数据基础设施，同时确保数据能够接受关键分析并生成和制作报告。
机器学习工程师 - 负责构建能够处理大量数据的人工智能系统，并能够生成和开发能够学习和进行未来预测的算法。
研究科学家 - 在数据方面，负责研究、设计和分析来自调查、实验和试验的信息。
如果你去谷歌搜索“顶级编程语言”，你会看到这些语言的混合，可能还有其他几种：
-
Javascript
-
Python
-
Go
-
Java
-
Kotlin
-
PHP
-
C#
-
Swift
-
R
-
Ruby
-
C 和 C++
-
Matlab
-
SQL
所以在网上看到这些之后，你可能会想 - 接下来我该怎么做？我真正需要什么来满足我感兴趣的角色？
作为数据分析师，你将负责扫描数据，找出有价值的信息，并提供报告或可视化。因此，数据分析师最好的编程语言是 Python 和/或 SQL。
-
Python - 将允许你分析、操作、清理和可视化数据。
-
SQL - 将使你能够轻松地与数据库进行沟通。
作为数据科学家，你可以选择多种编程语言。数据科学家使用的最流行语言是 Python 和 SQL，其次是 R、C++ 和 Java。
R、C++ 和 Java 仍然流行，然而，Python 和 SQL 因其更简单的编码能力而广受欢迎，同时能产生相同的结果。
-
Python 拥有更大的开发者社区，丰富的库，简洁的语法和可移植性。这就是数据科学家所想要和需要的一切。
-
SQL 具有存储、检索、管理和操作数据的能力，还能提取性能指标来指导数据科学家的工作。
作为数据工程师，最受欢迎的编程语言是：
-
Java - 它是数据工程师使用最久且最合适的语言。数据工程师花费大量时间使用基于 Java 的开源框架 Hadoop。
-
Python - 帮助数据工程师构建高效的数据管道，编写 ETL 脚本，设置统计模型并进行分析。
-
SQL - 使他们能够建模数据，提取性能指标，并开发可重用的数据结构。
作为机器学习工程师，最受欢迎的编程语言是：
-
Python - 良好的库生态系统，更好的可读性，灵活性，创建良好的可视化，社区支持等。简单的语法和结构在机器学习工程师的工作中非常有利。
-
C++ - 这也是机器学习工程师非常宝贵的编程语言，因为它快速且可靠，这对于机器学习是必要的，同时还拥有良好的库资源。
-
Java - 如果你想从事网页开发、大数据、云开发和应用开发，Java 对你的技能组合至关重要。它的性能也优于 Python。
作为研究科学家，你不会处理后端问题，而是更多地了解数据和团队发现可以告诉你的信息。与数据分析师类似，能够使你受益的编程语言有：
-
Python 是一种通用编程语言，允许你写更少的代码行但执行相同的操作。
-
R 是一种统计编程语言，允许你建立统计模型并创建数据可视化。
为了简化，我制作了上述图像，以便你可以直观地了解根据你的兴趣领域应该关注什么。
根据上述图像，它显示了你在特定数据角色中需要什么类型的编程语言以及其重要性。圆圈越大，对特定数据角色越重要。
根据 Stack Overflow 2022 年开发者调查，JavaScript 是使用最广泛的编程语言，而且已经使用了十年。然而，如果谈到用于学习编程的语言，HTML/CSS、JavaScript 和 Python 排在前列，并且相互接近。
随着数据角色的不断发展，跟上所有变化可能会令人不堪重负。在你转向下一个或学习新技能之前，先掌握一门编程语言的熟练程度更为明智。一步一步来，总比同时试图学习 10 项技能要好。
一旦你根据兴趣领域决定了编程语言，下一步就是使自己在该语言上达到熟练程度。
有许多现成的资源可以帮助你的学习，你只需要知道正确的资源。下面是一些你可以受益的链接
-
2022 年顶级数据分析师认证课程
-
完整的数据科学学习路线图
-
完整的机器学习学习路线图
-
完整的数据工程学习路线图
尼莎·阿利亚 是一位数据科学家、自由技术写作者和 KDnuggets 的社区经理。她特别关注于提供数据科学职业建议或教程，以及数据科学的理论知识。她还希望探索人工智能如何/能够提升人类生命的持久性。她是一个热衷学习者，寻求拓宽她的技术知识和写作技能，同时帮助指导他人。