自學數據挖掘可以找到相關工作嗎？

12-30

本人土木工程碩士，開學研二，本科是二本、碩士是211，學校在北京。畢業後不想從事本專業工作，研二準備用一年時間自學數據挖掘相關的課程，請問像我這種非數學、統計、計算機相關專業和本科為二本的背景，學完後可以找到數據挖掘相關的工作嗎，能入行的可能性大嗎？

回答里好多說不能的，我想說我就是研二開學下決心轉行數據挖掘，現在在餓了么做數據挖掘的轉行成功的人，我覺得我還是有資格回答好這個問題的，啊哈。

先說下自己的背景：

上海，研究生985，材料專業本科只考過二級，死記硬背過的那種，算編程0基礎吧。跟題主差不多的背景。15.9.7下定決心轉行，16.8.31拿到餓了么的 return offer。

首先我要說明一點，如果你是真的真的想轉行數據挖掘，尤其是還在研二了0基礎才要轉行，你需要付出非常多才有可能轉行成功，並且初始工資跟土木出身差不多或者向上。我研二開始轉行之後，可能2，3個月才會出一次校門 [捂臉]，那段時間除了必要的科研就只有轉行的事，滿腦子都是編程跟數據，我個人感覺跟考研的狀態也差不多了。畢竟已經研二了，離找工作僅有1年的時間，如果不能全身心的投入，是很難在1年後的校招達到數據挖掘方面的招聘要求的。

然後說下我覺得合理的轉行計劃，我在轉行的時候，是有走過不少彎路的，以下是我現在反思後覺得可行並且合理的計劃：

階段1——入門：1-2月

1、學習斯坦福 Ng 的機器學習入門課程

2、學習一門編程語言——python(資料：廖雪峰的 python 入門 blog，python 數據分析書籍)

python 初級階段需要掌握的包有：sklearn、numpy、pandas、matplotlib

python 安裝包：首選 anaconda2 安裝包

Ng 的課經典不用說，國內有太多人是看著這個入門的了，編程語言選用 python 也是主流，現在數據挖掘基本都要會 python 或者 R，選擇 python 可以讓將來的選擇靈活點，並且 python 比起 C++等要容易入門的多，上面2個最好同時進行，將 Ng 里的習題用 python 做出來。

階段2——項目實戰：1月

1、kaggle——titanic competition

2、kaggle——house price competition

掌握了大致的理論，就可以開始實戰了，這個時候大部分會因為沒有實際的項目而陷入停滯，很簡單，直接找比賽賽題來做。上面介紹的2個賽題是 kaggle 平台上已經結束的比賽，官網有著非常之多的好的 kernel 代碼和經驗分享，這2個賽題也是經典的分類/回歸問題，各自按照官網的資料學習下來，對實際的機器學習項目應該就會有比較好的理解了。

階段3——實際參賽：1-2月

平台有：kaggle、阿里巴巴天池、kesci、datacastle、biendata、datafountain 等

可以在以上各大平台選取一個比賽深入做，記得比賽賽題選比較常規的分類或回歸賽題，太過靈活的賽題可能不適合題主這個階段做，建議選分類賽題，分類的問題比較常規也比較好優化，回歸賽題偏難。如果想出成績的話(拿到好的排名)，可以參加國內的比賽，參賽人數相對少，比較好做到前1%，前10%，如果想更加快速的提高的話，參加 kaggle，kaggle 的分享機制很好，有利於更進一步提高。這個階段參賽目的是為了拿到還可以的成績，有了項目經歷之後比較好找相關實習。

階段4——實習 3-6月

有了項目經歷之後就可以開始找實習了，我當時最開始是在一家創業公司實習，後來到了餓了么暑期實習，並最後拿到了 return offer，這才確定轉行成功。校招的時候也拿到了幾家 offer，這裡的我的建議是暑期實習很重要，對於一個要轉行的人來說，參加校招筆試難度相當之大，畢竟是轉行的，基礎太薄弱，筆試那些偏編程的題對於題主一時半會來說難度很高，所以暑期好好找個實習，拿 return offer 是最好的選擇，我當時事後回想，覺得當時太幸運了，如果沒有餓了么的 return offer，我的校招一定會蠻慘的。。後面拿的幾個 offer，有很大一部分原因是我有了 offer 之後比較自信，面試表現的比之前好才拿到的。

以上大概就是我去年躺過的坑，走過的路，其實還做了很多事，看了很多書，但是真說起來就實在太多了，若題主感興趣，真想轉行，慢慢的都會知道很多，我也就不多講了。以上的相關視頻名字和書籍我都只說了大概的名字，因為我覺得在當今時代搜索能力是很重要的，如果還要我這裡給你找好所有的資料你才會想開始的話，這不是一個真正轉行的人應該有的心態，從這個時候開始，搜索我提到的每個名詞，去更加深入的理解才是正確的姿勢(我就是懶)。

PS：供參考

其他看過的書單：統計學習方法、機器學習 Tom Mitchell、python 高級編程、機器學習周志華、機器學習基石、演算法第四版、ACM 小白、Java數據結構、操作系統原理、python 爬蟲、learning spark、scala 編程等

研三找工作的時候大致掌握的編程技巧： python-熟練、java-了解、scala-spark-會建模、hive-sql-會提特徵、linux-滿足日常操作

scala 跟 spark 相關的知識，我是在實習的時候學到的，這東西要是沒有實際項目需求的話估計很難學到，也不是應屆生找工作必備技術棧，所以建議可以多學習機器學習理論和提高 python 跟 sql 技能。

本科和碩士都是機械工程. 在Kaggle上打到了Master後, 轉型成data scientist. 自學是沒問題的.

某種意義上，現在通用的數據挖掘演算法已經有點落後了。因為傳統的數據挖掘乾的事情深度學習都能做。當然也有這樣的職位和需求。

不過你如果自學，弄不好就是去搞SQL乃至寫excel做data cleaning。

你需要的技能點其實也不多。excel，python必須會。書推薦看Jiawei Han的或者任何一本能讓你明白演算法的書。然後是Linux shell，R，C++。接著寫項目即可。。。

另外。還有一些有趣的選修技能。比如Hadoop框架（大數據框架常見的一共有Hadoop，Spark，Storm這幾個）。另外，Scala也是一個學了以後會比較fancy的技能。

啊你們說我是不是可以去開個培訓班教人寫數據挖掘程序咯？哈哈哈哈哈哈哈

坐標倫敦，說個朋友的故事。

朋友做流體湍流的，對統計、概率可以說是一竅不通，但數學強的很，UCL本科數學系第一，劍橋的數學碩士，又回來UCL讀了博，屬於我經常麻煩問問題的對象之一。

剛開始，他連什麼是normal的density都得想半天，可是自學了三個月，現在拿到了份data scientist的工作，一年五萬多。。。

這樣的問題，本來不想回答，今天類似問題回答了好幾個。既然邀請了就回答一下。

1、土木讀到研究生，為何不繼續干，有可能去設計院，待遇還是不錯的。

想辦法去鐵三院，鐵二院，四院，一些地鐵設計院，還是不錯的。

2、如果想轉行，明確的告訴你，大數據，機器學習，人工智慧，等你畢業時，幹不了。

對一些盲目想從事大數據的朋友的警示。

3、如果想從事計算機科學相關行業，先從當程序員做起吧。

看到一些其他朋友的回答，人家下了功夫，學了不少知識，要有獨立的思考和判斷，結合自己的情況，做出有利的選擇。

1年時間完全沒問題只要你決心足夠大。我也是轉行，機械工程轉數據分析(也有做數據挖掘，做些建模的事情)，而且還是本科生，學歷上有劣勢。因為時間上還是有點緊張，建議選擇重點的學習不要浪費太多時間在不是特別重要的內容上。

相關知識點

1.sql，不管是數據分析還是數據挖掘這些都是需要掌握的，時間緊張增刪查改會就足夠。

2.一門數據的編程語言，PYTHON/R,推薦python（萬金油，企業用的也多，還可以寫腳本），需要學習爬蟲（選學），機器學習和數據分析的相關庫等知識

3. Linux的一些基本操作，會一點shell腳本更好

4.機器學習的知識（關鍵), 斯坦福機器學習的課程和李航的統計學習方法刷起來，然後查漏補缺，主要的機器學習演算法都要會，知道各種演算法的優缺點比較。面試的時候很多時候不需要你實現寫代碼，但是一定要回答的出來。

5.統計學，數學相關知識，其中概率一定要會，別的看你時間夠不夠，不夠就查漏補缺為主，或者區網上找機器學習最相關數學知識，不需要把微積分，線代，凸優化都看了畢竟時間不夠。

6.演算法，刷題（數據挖掘面試時候可能會問到，數據分析的話問的會少一點）。

7.簡單的學一點大數據的東西，hadoop,spark這些。

8.最後一些計算機網路啊，計算機系統啊，就去百度把筆試和面試會考到的去看一下吧，不用系統的全部看了沒有那麼多時間。

相關項目

kaggle，天池這些早點做起來，不需要等到知識點全都會了在開始。此外可以找一些數據分析的項目比如Twitter數據爬取，yelp數據分析項目這些，能翻牆的去gu歌搜，這些也容易有辨識度。

實習

早點找實習啊，而且你還有一年的時間足夠了！就是要不斷的去投簡歷，不要怕自己還沒學夠。學完sql和python可以去投簡歷了。找不到數據挖掘的去投數據分析的，做python這些都可以啊。有了一份實習你就可以寫到簡歷上去，對你找工作大有幫助的。

我之前寫了一篇找實習／工作的文章，雖然是數據分析的但是也可以看看也許對你有幫助。沒有實習經驗的應屆生如何找到一份數據分析類工作？

【優勢】

1.兩年時間；

2.學習能力；

【劣勢】

1.計算機零基礎，數學非專業基礎；

【機會】

1.北京的線下培訓和企業實習；

【威脅】

1.婚姻和家庭；

2.原土木工程畢業；

首先要將目標具體化，然後給自己定個規劃。

以上

本人非科班出生，但是算工科信息類的專業，BAT的數據挖掘。

從個人的主觀判斷來說，感覺還是有點難：

1.上面有人列出了詳細的進度表，看上去還是不錯的。不過對於土木的學生，我估計前期還得補一些內容。包括數值計算，運籌學初步和人工智慧導論之類的課程。有了這些基礎再看機器學習就會簡單很多。

2.目前很多公司對編程能力要求越來越高，演算法導論什麼的還是補一下。雖然我沒有看過，也覺得沒有本質需求，特別是大公司，沒有什麼基礎編程的需求，更多的是要求做問題數據化。當然，也要看部門，是業務部門還是中後台部門。但是如果是中小公司，還是需要掌握一下，特別有些公司基礎設施薄弱。

3.從實踐來看，一開始不一定要去kaggle或者天池。數據量太大了，模型也會比較複雜。前期還是可以做一些公開數據集的模型，小數據量便於實踐。如果能找到一些實際的實驗數據就更好了，很多工科專業還是需要一些模型的應用的。

不過話說如果決定走這條路了就要花點時間，速度什麼的就看悟性了。還有一點，不要涉獵太多，時間不充裕還是抓一些重點。又想學演算法，又想學編程，估計來不及。語言隨便弄一個就可以了，python，R都行，不要覺得spark高大上浪費過多的時間。

瀉藥，

土木工程，機器學習，

看我近期的專欄就行，

有問題隨時歡迎交流～

為什麼不自學土方的挖掘呢？

今年9月份開始的正在自學中占坑等明年下半年秋招後來回答

前一段時間無意間發現了這個新興專業【Business analytics】

如果往這方面發展還是要系統學習的呀。。自學的話找工作有人承認你才可以呀

給一個例子吧，本人本碩211，做機械的，大一決定改行，因為數學英語基礎較好，c,c++,c#都會做，C++做過一些案例。研一從林軒田到印度的拉傑老師，翻牆逛論壇，書買了許多，目前研二，正在開始做比賽...這一路走來比較難，做好準備。如果零基礎我感覺希望自己努力些，我假期都是在實習學編程的狀態，加油吧。

如果你在kaggle修鍊到了master級別，請和我聯繫。

你也是土木研究生了，敢問你覺得，非工科的學生通過自學一年，能夠掌握土木從本科到碩士所有課程嗎？

就算你腦子聰明能學完，可是一年還是來不及積澱和閱歷。