全球AI与数据科学薪资数据集(2020–2025)
数据集简介
全球AI、机器学习与数据科学薪资(2020–2025,增强版)
该数据集面向跨国薪酬比较场景,核心是 151,445 条真实自报薪资记录,覆盖数据、人工智能、机器学习与软件岗位,分布于 104 个国家。作者在原始调查数据之上增加了购买力平价(PPP)调整、地区与岗位族字段,使不同国家之间的薪资水平具备可比性。
第 2 版说明
当前版本为第 3 版,Kaggle 页面最后更新时间为 2026-10-21。调查站点此后已迁移,公开下载入口不再可用,因此本数据集保留的是 2025 年 8 月的最后公开快照。
数据来源
薪资原始数据来自 ai-jobs.net 薪资调查,以 CC0 协议发布。国家数据来自世界银行 API,包括 PPP 转换因子(PA.NUS.PPP)、官方汇率(PA.NUS.FCRF)、人均 GDP(PPP,NY.GDP.PCAP.PP.CD),以及地区与收入组。世界银行数据采用 CC BY 4.0 许可,使用 PPP 相关列时需注明世界银行。
在原始调查之上补充的内容
作者在原始问卷记录基础上增加了以下字段与辅助表:
job_family:将 422 个职位名称映射到 13 个岗位族;salary_in_usd_ppp:按购买力平价调整后的美元薪资;salary_to_gdp_per_capita:薪资与所在国人均 GDP 的比值;is_cross_border:跨境工作标记;is_salary_outlier:薪资异常值标记;is_repeat_row:重复行标记;remote_ratio:远程工作比例。
文件构成
数据集包含以下文件:
ai_ml_data_salaries.csv:主表,每行对应一份调查问卷记录,共 28 列;job_title_to_family.csv:422 个职位名称到 13 个岗位族的映射;country_reference.csv:国家 × 年份的 PPP 比率、人均 GDP(PPP)、地区与收入组;build.py:可复现的构建脚本。
文件总大小约 34.6 MB。主表中 79,532 行为重复行,593 行为薪资异常值,使用时可通过 is_repeat_row 与 is_salary_outlier 字段进行过滤。
使用注意事项
主表包含重复记录与薪资异常值,分析前建议依据标记字段做清洗。跨国比较时应优先使用 PPP 调整后的薪资列,而非原始美元薪资。涉及世界银行 PPP 数据的分析需按 CC BY 4.0 注明来源。
应用思路
该数据集可用于跨国薪资比较、薪资预测建模、岗位薪资溢价分析以及薪酬可视化。借助岗位族映射与地区字段,可以比较不同国家、不同岗位族之间的薪资差异;结合 salary_to_gdp_per_capita 可分析薪资相对当地经济水平的偏离程度。
许可
数据集采用 CC0 1.0 公有领域许可,与来源调查一致;世界银行数据为 CC BY 4.0。数据集在 Kaggle 页面公开免费下载。