SQL：个人认为sql是数据工作的必备语言，sql语言在常用的数据库中基本都是通用的，学会了使用一种即可。
转载请注明出处：http://www.cnblogs.com/SSSR/p/7016660.html
SAS:
sas是学习统计的一门好语言，为什么这么说呢？因为现在的统计书籍很多都是用sas实现的，从原理到实现有很多本书可以阅读，还有sas公司这样子优秀的公司进行支持。
但是 但是 但是 sas真心不好学习，他的编程思想与其他语言有那么点不同，很多人把宏比作其他语言的函数，但我认为万万不可如此比较，因为宏是用来生成代码的程序。
关于学习建议，我认为先学会sas，然后再结合sas学习统计，千万不要二者一起学习，否则难度会增加很多。
sas还有一个难点就是细节很多，这个需要个人整理，当然如果会看sas help就会很方便。
sas的pdv机制和宏的执行机制一定要搞明白。
SAS有一个很大的好处，标准统一，只要学会了就可以在整个系统内畅游。
R VS python:
二者对比来说，R在统计上比Python强太多，因为statsmodel不给力，并且新的统计方法Python跟不上节奏。在数据挖掘方面，Python的sklearn的统一要比R强，但是R的数据挖掘画图比Python强。
在数据清洗方面，Python和R相当，各有千秋，但是Python处理的数据量和速度要比r快一些。在深度学习方面Python完胜R，现在大部分的深度学习库都支持Python接口，支持R的很少。在绘图方面，二者也是各有
千秋，都有自己的杀手锏。在自动化方面：Python完胜R。在系统方面：Python可以开发出网站、窗体程序，R在这方面比较薄弱（shiny server需要付费）。
R vs SAS
sas在对R的优势上就是统计资料够多，软件标准统一，资料文档更丰富。 R的优势就是开源，学习成本低。
深度学习：
现在深度学习很火，顺带着还火了个人工智能，居然有广告说AI时代来了，大数据时代也才没几年，难道已经过去了？我个人认为，目前因为深度神经网络不能对特征重要性进行评价，所以它应该是全特征数据比较好（如图片、声音、视频、文本等）。
还有就是很多打着零基础学深度学习的辅导班，大家千万别信，千万别信，如果真的有那么简单，这些人为啥不用深度学习去创业去挣钱，还开培训班挣钱呀？如果真的那么简单，那你身边有多少人会呢？如果真的那么简单，他们为啥收费那么高呢？慎重慎重！