SQL：個人認為sql是數據工作的必備語言，sql語言在常用的數據庫中基本都是通用的，學會了使用一種即可。
轉載請注明出處：http://www.cnblogs.com/SSSR/p/7016660.html
SAS:
sas是學習統計的一門好語言，為什么這么說呢？因為現在的統計書籍很多都是用sas實現的，從原理到實現有很多本書可以閱讀，還有sas公司這樣子優秀的公司進行支持。
但是 但是 但是 sas真心不好學習，他的編程思想與其他語言有那么點不同，很多人把宏比作其他語言的函數，但我認為萬萬不可如此比較，因為宏是用來生成代碼的程序。
關於學習建議，我認為先學會sas，然后再結合sas學習統計，千萬不要二者一起學習，否則難度會增加很多。
sas還有一個難點就是細節很多，這個需要個人整理，當然如果會看sas help就會很方便。
sas的pdv機制和宏的執行機制一定要搞明白。
SAS有一個很大的好處，標准統一，只要學會了就可以在整個系統內暢游。
R VS python:
二者對比來說，R在統計上比Python強太多，因為statsmodel不給力，並且新的統計方法Python跟不上節奏。在數據挖掘方面，Python的sklearn的統一要比R強，但是R的數據挖掘畫圖比Python強。
在數據清洗方面，Python和R相當，各有千秋，但是Python處理的數據量和速度要比r快一些。在深度學習方面Python完勝R，現在大部分的深度學習庫都支持Python接口，支持R的很少。在繪圖方面，二者也是各有
千秋，都有自己的殺手鐧。在自動化方面：Python完勝R。在系統方面：Python可以開發出網站、窗體程序，R在這方面比較薄弱（shiny server需要付費）。
R vs SAS
sas在對R的優勢上就是統計資料夠多，軟件標准統一，資料文檔更豐富。 R的優勢就是開源，學習成本低。
深度學習：
現在深度學習很火，順帶着還火了個人工智能，居然有廣告說AI時代來了，大數據時代也才沒幾年，難道已經過去了？我個人認為，目前因為深度神經網絡不能對特征重要性進行評價，所以它應該是全特征數據比較好（如圖片、聲音、視頻、文本等）。
還有就是很多打着零基礎學深度學習的輔導班，大家千萬別信，千萬別信，如果真的有那么簡單，這些人為啥不用深度學習去創業去掙錢，還開培訓班掙錢呀？如果真的那么簡單，那你身邊有多少人會呢？如果真的那么簡單，他們為啥收費那么高呢？慎重慎重！