使用 R 语言从拉勾网看数据挖掘岗位现状

因为毕业后想从事数据挖掘相关的职业,但对该行业的需求不太了解,网上资料太多查看花时间且抓不住重点,所以爬取了拉勾网上 900 多条相关的岗位共计 30 万字的职位描述的数据进行了相关的分析。分析结果主要想回答下面两个问题:

1、目前数据挖掘岗位的现状 ? 2、如果要从事数据挖掘行业,需要具备哪些技能 ?

分析时间:2017 年 2 月

工具:RStudio, Number, R (爬取和分析使用的都是 R )

分析的代码和爬取到的数据:https://github.com/edvardHua/JobRequirementAnalysis

数据挖掘岗位现状

分两块描述,第一块是基本的统计数据,包括数据挖掘在那个城市需求最旺盛,对应聘人员的学历要求,行业的分布和公司的财务状况。第二块围绕着薪酬做相关性的分析,主要是工作资历与薪酬之间的关系,以及行业与薪酬之间的关系。

首先可以看到大部分数据挖掘岗位都分布在北京,上海,深圳和杭州,北京该岗位需求相当旺盛,差不多占据了一半的职位数量。从左边的饼图可以看出,大部分数据挖掘岗位对应聘者的学历要求为至少是本科以上。

左边的条形图显示大部分的数据挖掘岗位都分布在移动互联网领域,另外,右边的饼图可以看出,上市公司和成长型 B 轮及 D 轮以上的公司对数据挖掘岗位的需求最大。

从左边这张图可以看出,对于有 1-3 年经验的应聘者,企业的普遍工资在 16-20 K 左右的水平,而对于 3-5 年工作经验的应聘者,则普遍的工资在 21-25 K,另外有意思的是,许多职位对工作经验没有要求,但是也愿意给出不错的薪酬。从右边的图可以看出,移动互联网领域职位数量多且工资相对较高,若想找份高薪的工作,在移动互联网行业做数据挖掘是个不错的选择。

从事数据挖掘行业,需要具备哪些技能组合

将爬取到的全部职位描述汇总在一起后,总共有差不多 30 万字的职位描述。这里首先使用 jiebaR 中文分词库对文本进行分析和挖掘。在挖掘之前,首先需要简历自己的词料库,我使用的词料库是从网上搜查得到,感兴趣可点击此处(https://github.com/edvardHua/JobRequirementAnalysis/blob/master/corpus/collected.dict.utf8)查询。

首先使用 jiebaR 库对 30 万字的职业描述进行关键字(TF_IDF 算法)提取,结果如下:

"数据挖掘" "算法" "数据" "经验" "熟悉" "机器学习" "优先"

关键字高度概括了企业对应聘者的需求,拿这些词造句的话,应该可以理解为:

「我们需要找一位熟悉数据结构和机器挖掘算法的人。另外,具备经验者优先。」

随后,再根据自己收集的语料库进行词频统计,做成云图,结果如下:

从词云和术语出现次数可以看出,想要从事数据挖掘,除了要熟悉基本的编程语言和框架外( Python,Hadoop,Java,Spark,R ),统计学也被很多企业所提及。

项目结构

地址:https://github.com/edvardHua/JobRequirementAnalysis

使用到的 R 包:ggplot2, jiebaR, wordcloud2

项目结构:

├── data │├── position-\ 1:63 拉勾网的原始数据,为 json 格式 ├── cache │ ├── position_after_cleaning.csv 预处理后的数据,直接读取既可使用 │ ├── ... ├── corpus │ ├── collected.dict.utf8 数据挖掘领域相关的语料库 │ ├── ... ├── graphs │ ├── ... ├── src │ ├── curl.R 爬虫 │ ├── clean.R 数据清洗 │ ├── func.R 公共函数 │ └── statistics.R 统计结果可视化 │ ├── mining.R 关键字提取和词频统计 └── tests └── test.R

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-10-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏算法channel

@all, 离2019年还有4.5个月,4个月前的今天送的那6本书,你们读透1本了?

3月的今天,我第一次在公众号内送了5本甄选的书和1个TensorFlow的斯坦福PPT完整教程。

980
来自专栏Java学习网

程序员读研如何提高技术之我见

程序员读研如何提高技术之我见 你想进什么公司,和你读什么计算机方向,关系不是很大。只要是理工科的学生,面对技术岗位,其实机会是差不多的。 至于你想什么职位,那显...

29010
来自专栏ATYUN订阅号

亚马逊AI基于播放持续时间预测用户的音乐品味

亚马逊的AI工程师开发了一种新颖的方式来学习用户的音乐品味,方法是将歌曲播放持续时间作为“隐式推荐系统”。机器学习科学家和研究的主要作者Bo Xiao,在印度海...

992
来自专栏专知

贝叶斯网络之父Judea Pearl:要建立真正的人工智能,少不了因果推理

1562
来自专栏PPV课数据科学社区

【学习】阿里面试经历及总结(数据研发、Java研发方向)

我投的岗位“软件研发工程师”。到了面试现场,选择了Java语言(有对应的面试官)。不过,后面进行了交叉面试,被推到了“数据研发”岗位。 一面: 首先,自我介绍。...

3847
来自专栏吉浦迅科技

解开填字游戏谜底的人

如今在玩填字游戏时,有更好的作弊方法,那就是利用人工智能。 来自三所大学的研究人员设计了一套系统,运用称为深度学习的人工智能技术来帮助计算机更快速有效地理...

3427
来自专栏镁客网

黑科技 | 拓扑学与物理学结合,量子计算机正在成为现实

1200
来自专栏企鹅号快讯

如何告诉手机我是“我”呢?

2013年,苹果机iphone5S让指纹识别在手机上普及,它告诉各大手机厂商,指纹可以这么玩。同样苹果它也让指纹识别从手机上消失。譬如,今年苹果就推出了支持面部...

1828
来自专栏UAI人工智能

译 Michael Nielsen 之问——是否有关于智能的一个简单的算法?

907
来自专栏PPV课数据科学社区

☞【可视化】揭秘信息可视化图表的设计方法

文:cherries 转自:百度UED 信息可视化包括了信息图形、知识、科学、数据等的可视化表现形式,以及视觉可视化设计方面的进步与发展。地图、表格、图形,甚...

3706

扫码关注云+社区