專案介紹 (Introduction)

Kaggle 的 Machine Learning & Data Science Survey 是一項年度性的 開源數據分析專案，主要目的是探索機器學習和數據科學領域的趨勢。該 調查 在 2017 年至 2022 年期間每年舉辦，數據來自 Kaggle 向其網站會員發送的 普查問卷。參與者可以透過 探索性數據分析 (EDA)、統計分析、視覺化 等方法，發掘數據科學界的重要趨勢。

註: 自 2023 年起，Kaggle 尚未發布新的調查數據，未來是否復辦仍未確定。

如何分析 Kaggle ML & DS Survey 資料？(新手指南)

如果你是第一次接觸 數據分析，這份 Kaggle 調查數據是一個很好的學習素材。我們可以透過以下步驟，來理解數據的內容並進行分析。

1. 確認數據內容

• 這份調查包含哪些問題？
• 這些問題如何對應到數據欄位？

2. 了解數據的結構

• 調查結果通常以 CSV 檔案 儲存，每一行代表一位受訪者的回答。
• 部分題目是 多選題，可能需要進一步處理。

3. 進行數據清理 (Data Cleaning)

• 處理空值（Null）。
• 轉換數據格式 (例如，將貨幣單位統一)。
• 合併或整理多選題答案。

4. 分析與探索數據 (EDA, Exploratory Data Analysis)

• 行業趨勢：哪些產業最常使用機器學習？企業 AI 投資趨勢如何變化？
• 工具與技術：最受歡迎的程式語言、開發環境、機器學習框架有哪些？
• 從業者背景：數據科學家的薪資分佈、學歷影響、職業發展如何？
• 學習資源：最多人使用的學習平台是哪些？新手應該從哪裡開始？

5. 視覺化數據 (Data Visualization)

• 使用 Matplotlib、Seaborn 或 Plotly 製作直方圖、長條圖、熱圖等，讓趨勢更容易理解。
• 例如：想知道 Python 是否為主流語言？直接視覺化各語言的使用比例就能一目了然。

下一章