近年来,随着互联网行业与信息技术的飞速发展,海量数据的时代已经到来,海量数据给人工智能带来迅猛发展,发展飞速的计算机技术为人工智能算法的普及提供助力;基于人工智能的机器学习以及深度学习在互联网、金融,通信以及房地产行业得到广泛应用,带来数学、统计学以及计算机等相关专业的崛起。大量掌握海量数据处理技术的人才涌入招聘市场,同时招聘市场在这方面存在巨大缺口,人才涌入带来的劳动力市场压力与迫切招聘带来的生产力质量下降,在积极推进数据挖掘与人工智能的背景下,这不仅是数据从业人员的担忧,更是高校、社会与国家进一步思考的关键点,因此,对人工智能劳动力市场需求以及相应数据从业者的分析显得尤为重要。本文对Kaggle平台在2018年11月收集到的2.4万条人工智能技术相关人才的电子问卷数据进行分析,此问卷共395个问题,问题设置不仅包括被调查者基本信息以及公司信息,还包括机器学习或深度学习等大数据处理相关信息。本文主要内容如下,首先,对于含有缺失值的不平衡数据集,采用结合SMOTE算法的随机森林填补缺失值;然后,基于Light GBM模型建立数据从业者能力属性模型以及潜力属性模型,根据两个模型结果,将所有数据从业者划分为高能高潜人群、低能高潜人群,高能低潜人群以及低能低潜人群四类;最后,基于SHAP函数确定不同人群能力属性特征及潜力属性特征,进而得到对应人群的用户标签体系,并在此基础上建立用户画像,不仅可以帮助数据从业者选择合适的编程语言及算法进行学习,还可以为数据岗位招聘人员在考核标准上提供参考。