為什麼資料科學家的起薪比一般社會新鮮人高15~50%？ 為何李開復在新書中提到「未來10年，AI將取代50%的工作」？
相信大家初次聽到「資料科學」這名詞，一定覺得這是門深不可測的學問，實際上，最基礎的資料科學從最簡單Excel的資料處理、圖表的製作，甚至到機器學習、人工智慧等皆屬資料科學的範疇！該如何搭上人工智慧的這波風潮？該如何增加自己未來10年的競爭力？該如何讓自己的價值不被AI取代？
資料科學家為什麼性感？
目前這一類人才取得不易，因為要成為一位資料科學家需要以下跨領域的能力：
(1) 統計分析 (Statistics)
(2) 電腦科學 (Computer Science)
(3) 領域知識 (Domain Knoledge)
資料科學家除了具備跨領域的知識外，製作簡報圖表的功力、數據覺察分析的敏感度、甚至是具備說故事的表達力皆是關鍵！因此在必須具備這麼多條件與能力的前提下，人才的供給是少之又少，加上目前提供此領域系所的大學並不普及，因此導致求職市場需求大於供給，每個企業都搶著找資料科學領域工作者。
然而在供給跟不上需求的情況下，資料科學家的工作被細分成下面三類：
1. 資料分析師 - 主要負責基礎數據分析、圖表製作、報告分析結果、統計迴歸分析（主要工具：Excel, R, Python... etc.) 台灣碩士起薪約45K~60k/月
2. 資料科學家 - 主要負責機器學習模型、演算法的建置，新技術的導入與研究等等 （主要工具： C++, Python, Tensorflow... etc.) 台灣碩士起薪約50k~65k/月
3. 資料工程師 - 主要負責分析需要的基礎環境建置與開發、分析工具的開發與測試 （主要工具：Hadoop, Apache, Scala... etc.) 台灣碩士起薪約45k~65K/月
(題外話：在台灣，資料科學領域工作者在薪資上勝過其他領域的工作者，但在全球資料科學家的薪資競爭力卻是相當落後，中國地區的薪資甚至可以達台灣2倍之多...，可想而知Microsoft及Google為何要在台灣設立AI研究中心了吧...) Referrence: 微軟AI研究中心 Google智慧台灣
如何成為資料科學家？
最簡單的方式就是接受傳統體制教學，資料科學系、商業分析系、人工智慧學系...，有鑑於台灣的教學體制與學院系所沒有以上課系，最貼近資料科學領域的學系為：資訊工程學系、資訊管理學系、統計系、數位科技學系...等。
不念這些科系就不能成為資料科學家嗎？
其實不然，商業分析、資料科學、人工智慧都強調在跨領域的應用，並非僅有技術的開發或是程式語言的操作，更重要的是與實務結合，創造商業價值。以下將舉例不同領域的工作學習資料科學的應用層面：
● 文學領域工作者：應用語意判讀與精準文字表達，開發可人性對談的AI機器人
● 管理相關工作者：採用數據分析輔助決策、預測結果，降低人為判斷之偏差
● 社會科學工作者：應用機器學習於社會現象的闡釋，預測可能導致的影響
● 醫療領域工作者：使用深度學習進行圖像分析、機械人問診，增加診斷準確率
● 工程領域工作者：採用AI協助產品測試，找出導致錯誤的主因及假設驗證
幾乎每個行業、每個領域都能用到數據分析與機器學習來改善成效或提升效率，無論是政治、法律、商業、工業、軍公教等職業，相信在不久的將來都將結合AI的應用來進行日常事務！因此需要各專業領域的人才投入AI領域的開發，學習程式語言、資料科學、人工智慧不再是相關領域工作者的專利！
只要您有意願學習，自由團隊(AI . Free Team)將持續提供豐富的學習資源，由淺入深，透過實作與理論的結合學習到完整的資料科學！