说到数据科学和机器学习竞赛平台，第一个想到的肯定是全球最大的开发者社区Kaggle了。
上个月，Kaggle进行了第六次年度行业调研，以求全面了解当前数据科学和机器学习的研究状态。
Kaggle设计的调查问卷包括了43个问题，在调研了来自个国家的名受访者后，发布了最终调研报告！
随报告发布的还有一项数据分析竞赛，参赛者需要使用Kaggle提供的原始数据分析出一些有意思的结论或故事，总奖金为三万美元，冠军可得到一万美元奖励。
首先从从业人员群体角度来看，男女比例仍然相当不均衡，六年来仍然没有改善的趋势。
居住、工作在印度和日本的从业人员数量近年来逐步攀升。
在具体的编程实践上，Python和SQL仍然是两个最常用的语言，R语言的占比逐年下降，不过仍然排行第三。
在IDE的选择上，有超过50%的数据科学家选择使用VSCode，超过80%的人都在使用JupyterNotebook，而PyCharm和RStudio,MATLAB的市场份额丢得就有点惨了。
在选择Jupyternotebook的云服务时，Colab的使用量连年攀升，超越Kaggle内置的环境成为最受欢迎的云Jupyternotebook
报告中提出两个问题：
用户转向VSCode和JupyterNotebooks是否反映了一种新的趋势，即选择可以放在web浏览器内的IDE？你觉得什么是用户选择IDE的主要考虑因素？
为什么用户不愿意选择桌面端app了？
在机器学习工具包的选择上，Scikit-learn以其全面且优质的内置模型和数据集，成为最受欢迎的机器学习框架，超越TensorFlow,Keras,Xgboost,LightGBM,PyTorch等。
PyTorch的使用人数逐年稳步上升，TensorFlow则是略有下降，不过TensorFlow使用人数还是比PyTorch多出20%左右。
这就叫做PyTorch逐年上升难掩颓势，TensorFlow连年下降尽显王者风范。
在深度学习架构的选择上，Transformers模型逐年上升，超过60%的数据科学家都在用。
对此，报告中提出两个问题：
你觉得scikit-learn流行的原因是因为它太全了，能覆盖的用例更多吗？
表格数据在商业分析中有多重要？提升树（boostedtree）和神经网络之间在表格分析中有绝对的赢家吗？为什么提升树在Kaggle中占据主导地位？
在云计算的调研中，所有的主流云计算服务提供商，包括亚马逊AWS，谷歌GCP和微软Azure，都比上一年的业绩有所提升。
一些专用的计算硬件如TPU逐渐受到Kaggle用户的