根据我自己的经验和阅读其他人所写的内容，SQL 是雇主寻求的技能之一，甚至可能假设您具备一些沟通和团队合作的基本技能。主要原因是大量数据存储在关系数据库中，而 SQL 是提取数据以将其放入模型的主要方式。

我相信技术是便宜的，而科学是昂贵的。你可以很快地学习 R、Python、SQL 和 Hadoop（考虑到你知道编程），但是学习统计、机器学习和处理数据的方法是困难的并且需要时间。（根据你的背景你就知道了）在我眼里，带着自信去求职吧。同时，考虑学习 SQL 和 Python。它们是工业工作所必需的。

工业数据科学工作的一个重要组成部分是数据争论。对数据存储系统有一些基本的了解非常重要，因为您经常必须自己提取所需的数据（除非您为大公司工作）。Hadoop 可能不是必备技能，但了解一些关系数据存储 (SQL) 和对象存储 (No-SQL) 将非常有用。一个人通常也需要能够快速处理数据，因此您需要了解一些优化，例如索引。

我在 python 和 R 中工作（我个人认识的大多数从业者也是如此），但发现 python 更容易在生产环境中部署。如今，大部分工作都依赖于库，因此了解该语言的库环境很有用（在项目时间表方面，熟悉您的工具可以极大地减轻您和您的团队的压力）。人们在 jupyter/ipython notebooks 中试验并在线提供他们的代码是很常见的（例如KDNuggets 帖子）。我们经常在工作中使用笔记本并将它们提交到代码库，为解决方案提供经验支持。我建议您找到一些与数据库接口的酷笔记本，看看您是否可以运行他们的代码（通常是 python）。至少通过这种方式，您将开始感受到与工具相关的更多繁琐工作（考虑到您已经具备理论背景）。

如果你觉得学习 SQL 和 Hadoop 无聊到无法忍受，那么你不应该寻找数据科学家的工作。无论如何，请随意跳过 Hadoop。Hadoop 有很多部署，但它们正在被更现代的技术淘汰，例如 Spark，这也是大多数公司用于新部署的。我希望你觉得学习 Spark 更容易忍受。使用 Spark 进行机器学习的 Edx 在线课程实际上非常好。