26歲，即將博士畢業，想逃離科研，但是沒有任何工作經驗，要怎麼走以後的路？
不知道現在的回答還是否來得及。估計題主已經工作很久了。其實26歲博士畢業的話，很多事情都來得及做。
數學系的學生來回答一下，雖然對其他專業的同學的知識背景不是特別了解，但是對於工業界的一些基本需求還是略有所知。以下內容都是進入公司之後才開始學習的，其實後來覺得可以在讀書期間就學一下相關的內容，也方便自己找工作。
知乎專欄寫過一篇文章：《轉行到數據挖掘與機器學習（三）》。
原文來自微信公眾號「數學人生」，鏈接是：轉行到數據挖掘與機器學習（三）
回頭看一下，目前已經從純數學專業轉行到數據挖掘和機器學習領域有一年半了，又到了該總結轉行經驗的時候。還是那句老話，大牛們請主動忽視以下內容，初學者可以用作參考。
［1］編程語言
目前工業界的機器學習編程語言很多，基於個人的一些淺顯的工作經驗，發現目前比較常用的編程語言是 Python 和 SQL。
通常來說，SQL 是為了從資料庫中提取數據，然後進行必要的數據過濾，數據分析，數據提取。對於 SQL，需要掌握的內容有以下幾點：聚合函數，數學函數，字元串函數，表格的連接函數，條件語句等。SQL 與 HIVE 的經典教材有兩本，分別是：
《HIVE編程指南》，作者 Edward Capriolo
《SQL基礎教程》，作者 Mick
PS：個人特別喜歡《SQL基礎教程》，極易上手，易學易通。之前寫過一篇文章總結 HIVE 的使用細節，提供給大家做參考：《HIVE基礎介紹》
對於編程語言 Python 來說，目前深度學習的框架 Tensorflow 等，都可以使用 Python 進行編程。除此之外，Python 還有各種各樣的數值計算庫和機器學習庫等著大家去使用，例如 Numpy，Scipy，ScikitLearn，matplotlib 等。其中，Scikitlearn 的文檔是非常詳細的，特別適合初學者入門學習。至於 Python 教材的話，其實有很多，例如：《Python基礎教程》，作者是 Magnus Lie Hetland，這本書特別適合初學者看。如果是網路教材的話，推薦參考 廖雪峰 的官方網站，地址是：Home - 廖雪峰的官方網站
至於開發環境的話，一般來說公司都會使用Linux，有一本書可以提供給大家做參考：《Linux命令行與Shell腳本編程大全》，作者 Richard Blum／ Christine Bresnahan
既然是處理大數據，那麼 MapReduce，Hadoop，Spark 等內容需要了解。參考文章：《一文看懂大數據的生態技術圈，Hadoop，Hive，Spark都有了》
［2］機器學習
既然是做數據挖掘和機器學習的工作，那每個人都需要了解這方面的內容。在這裡筆者推薦教材《機器學習實戰》，作者是 Peter Harrington。閱讀這本書需要讀者掌握 Python 語言，加上 Numpy，Scipy，matplotlib 函數庫的一些基礎內容。源代碼的話可以在網上找到，然後根據書本的章節逐步學習即可。
除了《機器學習實戰》之外，周志華老師所寫的《機器學習》西瓜書也是不錯的選擇。建議初學者結合這兩本書一起學習，周志華老師的《機器學習》介紹了多種機器學習演算法，並有簡單的例子和數學原理進行描述。
既然提到了機器學習，那就簡單地總結一下裡面的一些演算法吧。
如果是做推薦業務的團隊，那麼使用地最多的還是邏輯回歸演算法（Logistic Regression），ItemCF 和 UserCF，物質擴散和熱傳導演算法（Heat Spreading） 演算法。由於 LR 是使用線性的方法來處理非線性的問題，並且實際的環境中會有物品的特徵和用戶的特徵，因此會導致特徵工程比較複雜，交叉項多（二維或者三維的交叉）。因此，在實際的工作中，特徵工程的作用就顯得十分重要。工程師和業務人員要根據物品和用戶進行必要的特徵構造，形成物品特徵，用戶特徵，交叉特徵等。之前也寫過一篇文章《特徵工程簡介》，供大家參考。
除此之外，涉及到在線優化的問題，Google 在幾年前提出了一個 FTRL 演算法。論文是 Ad Click Prediction a View from the Trenches，裡面會涉及 SGD 演算法，Truncated Gradient 演算法，RDA 演算法，FOBOS 演算法，以及最終的 FTRL 演算法等。
比邏輯回歸演算法還要簡單的那就是線性回歸演算法了，目的都是針對連續型的數據進行預測，結果都十分容易解釋。除了直接的線性回歸之外，還有局部加權線性回歸，嶺回歸，Lasso 和前向逐步線性回歸等演算法。這些細節可以參考文章《線性回歸》。
如果是針對轉行的同學的話，那麼大家肯定關心的是如何把之前的技能平滑地切入到新的領域中。如果學過數理統計的話，那麼《最大似然估計》就是一個不錯的切入點。
除了上面所說的演算法，支持向量機演算法（Support Vector Machine），GBDT 演算法，隨機森林演算法，XgBoost 演算法都是在工業界比較常見的演算法。目前個人還沒有對這類演算法進行過總結，不過還是強烈建議大家去學習一下。2017年筆者應該會對這些演算法進行一些個人的總結。
無監督學習演算法也是整個機器學習領域的一大方向。提到無監督學習演算法，就不得不提到聚類演算法，其中最經典的還是 Kmeans 演算法。這個可以參見文章《聚類演算法（一）》。聚類演算法的反面就是異常點檢測演算法，之前在異常點檢測演算法上面研究過一陣，也寫過不少的文章。例如：
《異常點檢測演算法（一）》，《異常點檢測演算法（二）》，《異常點檢測演算法（三）》，《異常點檢測演算法綜述》。
除此之外，強化學習也是機器學習的一個研究方向。隨著 DeepMind 公司的 AlphaGo 打敗圍棋頂尖選手，能夠自動玩遊戲的智能 AI，強化學習已經成為了一個比較熱門的研究方向。之前寫過一篇關於強化學習和泛函分析的小文章《當強化學習遇見泛函分析》，供大家參考。
目前深度學習已經成為了機器學習的熱門研究方向，無論是卷積神經網路 CNN 還是循環神經網路 RNN，都是研究的主流。之前在學習反向傳播演算法的時候，寫過一篇如何基於 BP 演算法訓練 RNN 網路的文章《循環神經網路－Reccurent Neural Networks》。
［3］數理統計
數理統計方面還是有一些東西是蠻常用的。例如時間序列模型 ARMA 模型等。一些數據的指標，例如均值，方差，標準差，變異係數，相關係數，ROC曲線和AUC，召回率和正確率，交叉驗證等。
［4］業務場景
在實際的工作中，最重要的一個因素就是理解業務，只有理解了業務的需求，才能夠更好的完成領導所布置的任務。在做事情的時候，一定要形成閉環。那就是：了解業務需求－》調研業界方案－》查看是否適用－》上線效果。通過最終的效果和我們要做成的目標，來反推當前需要做的事情。一些學生時代的思維方式需要逐漸拋棄，參考文章：《開公眾號之後的一些感想》。
那個啥，我應該叫師兄，我是11年考到一所老牌醫科名校，基礎醫學專業本碩連讀7年制，大二分方向，選了生化與分子生物學方向，選了一個大牛老師，但是我在去年放棄保研，自願降級一年，轉了一個本科專業，據我了解，生化方向就業方向就這麼幾個，第一，留校，如果選擇這條路那麼考驗導師能力和人品的時刻到了，只要不是985名校，一般大學對本校從本科讀到博士的親學生是有一定留校機會的，當然了，是從助教或者助研做起慢慢晉職稱還要涉及發的paper影響因子SCI論文篇數，優點是工作體面，穩定，比較輕鬆，缺點是薪水真的比較少，這個各個學校差別比較大，但是一般來說和做個做辦公室的白領差不多，當然還有講課，發論文獎勵，之類的的收入，當然如果發展到能拿項目，管理基金這種水平，留校是最好的道路，第二，進生物公司，至於進什麼部門，是研發部，技術支持，還是銷售全憑個人專長，此項包括葯企，要是導師人脈廣能幫忙聯繫到最好，不過不是那流程就是校招，或者有熟人在企業內部推薦第三，出國留學，公費最好，走這條路目標就很明確了，一般都是出國鍍金，在國外發牛paper,在自己的課題方向做出突破，或者和國外的導師學到了前沿的技術，回國後作為引進人才，同選擇一，只是鍍金後能把一堆人甩在身後，發展更好一些，第四，轉行，這條路就廣了，憑著博士學位找個工作還是不難的，我一個師兄就是轉行到深圳做了獵頭，就業嘛，收入高發展好才是王道，生物就業不好的局面早在2005就已經顯現，誰讓咱們知道是個坑還跳進來，能力強的人不管什麼時候都不會被埋沒，學位現在真的不值錢了，通過我的觀察，部分一直讀到博士的學長思維真的是很僵化，真的有種書獃子的感覺（此處真的不是黑，課題組裡研究生就是變相的科研民工，被壓榨都不敢反抗，現在這種高校體制下只能順從，所以思想很不活絡）用的來說路子還是很廣的，能搞到第一桶金，有能力，有毅力，可以考慮創業，家境好，學術牛，公費出國鍍金，導師關係好，人脈廣，留校任教，不想留校，那就找工作，生物公司，葯企，化妝品公司，寶潔，楊森製藥，上海的生物器械公司一大把，機會多多，另外不要緊盯著沒有工作經驗，其實在課題組裡處理和導師，同學之間的關係和工作後處理和老闆上級和同事的關係一樣複雜，平時導師交給你的一些任務和工作中交給你的工作差不多，所以，師兄，你要有自信，其實有些經驗類的東西你已經有了，只需要適應一下，況且一般讀到博士的都不笨，實在不行咱還不會看臉色機靈點嗎，總之一句話只要能把工作作為一個新的起點，用心經營，以後得生活還是很光明的，不要憂慮房子，票子的事情，努力走好眼下每一步，麵包會有的
你想想好多人比如我25、26剛碩士畢業，是不是就好多了……博士和研究生相對於本科生而言算是有工作經驗的了。
別的不說，信息收集，文檔撰寫，儀器/設備操作，項目推進這些肯定可以算到工作經驗裡面去的。不過輕鬆混日子，這年頭也就體制內了吧...
碩士即將畢業，醫學科研，不喜歡做實驗！！！而且覺得也做不出什麼東西！！！每天不開心，感覺要抑鬱了，拖延症晚癌。想逃離上海，去做自己喜歡的事情當年是沖著科研的目標保送到武大的，四年下來，自己也比較沉浸在科研的自我陶醉中，自我感覺確實學習了不少東西，固體物理，DFT，交換關聯，二次量子化，格林函數，費曼圖，多體物理以及各種輸運理論。可是當現在面臨畢業之際，發現自己並沒有拿得出手的paper。繼續博後的話，最少往往需要三五年漂泊，感覺對不起家人。而且如果找不到好老闆，發好的paper，以後難以在大學找個自認為滿意的職位。確實需要認真的考慮這個問題了。與樓主共勉！
大家剛出來，沒有工作經驗是很正常的。一般可能需要找個公司實習什麼的，當然剛開始工資不會高。等以後有工作經驗的積累了就好，關鍵是找准自己工作的目標吧。我專業是計算物理，linux，各種編程語言都搞的比較熟了，打算轉IT行業，我覺得也算是比較對口了。祝我自己跟樓主都好運！ 補充一下，我到畢業就28了。。。
樓主我差點以為是我本人問的問題了，同年紀同生物博士畢業，最近找工作找的心累，覺得自己到底讀了個什麼，而且我特別特別厭惡博後，也不願意去國外，就是千年臨時工啊，我摔，與其這樣我幹嘛不去企業。最近投簡歷就是瞎投，我覺得我們倆可以抱頭痛哭了 ，樓主歡迎一起交流和題主有相同的困惑，同求解答，追求安逸，擔心自己競爭力越來越差，以後很難繼續安逸下去，繼續科研，又覺得自己並不是很有天賦，混不出成績，題主現在有想法了嗎？可以分享借鑒嗎？
樓主的經歷和我非常類似，當年也是稀里糊塗讀的博士，然後博士期間並沒有產生對科研的喜愛。目前也存在著這兩大困惑，不過還是希望自己能夠在企業中找一個研發類工作，畢竟對我而言，需要一個嚴酷的環境來好好的鞭策自己！
即將踏出校門的學生都沒什麼工作經驗吧（當然少數除外），個人覺得最重要的還是學習能力，當然也需要一定的專業基礎，不然何談學習能力（指學習專業有關的學習能力）。建議上學時還是鍛煉自己的動手能力和學習能力吧，學校多多少少也能學到一些東西的，在學校還可以培養自己的新興趣，一旦上班，感覺都累的跟狗一樣，沒有心力學習新東西了。其次可能感覺一個人學習太孤獨，那麼找找身邊的興趣相投之人相互學習吧。謝邀！
講某人的經驗，讀了覺得不適合，畢業前工作不滿意就繼續去完成博士後。
感覺很多人都是一直以來代理性學習為主，真正的親驗性學習偏少，動手去做什麼都覺得沒什麼意思。建議題主考慮經濟能力是要馬上去工作，還是不介意錢多少願意繼續讀書。家庭經驗好願意的話可以去做分析性心理諮詢，因為這些不滿和沒興趣更多來在前語言的早期，自我方面的性格問題，而不是真的事情本身沒有什麼……經濟危機時候，本部門一個發了幾篇paper的PhD去酒吧當了侍應生，一時傳為佳話，後續大批博後爭搶實驗室的technician職位。想想這些，忽然對就業有了充足的動力。
來互聯網看看，或許有機會！
去初高中學校當老師，搶著要
生物博士竟然畢業這麼早。。。
大學老師，醫院，公務員，都合適26歲博士畢業真的好年輕啊啊啊啊啊啊啊啊啊啊啊
卧槽，我碩士畢業比你大！生物學碩士，還是你厲害。
能畢業還是畢業，博士學位是對你能力的一個體現，社會對你的評價就是能力+證書
26歲就博士畢業了怎麼感覺都是大能 真心沒點興趣么 感覺這類高智商的人再有點興趣 很容易在事業上成功啊
推薦閱讀：
※有穩定工作或生活的人怎樣合理安排自己養寵物的時間？
※關於大學計算機本科四年的方向？
※邁阿密這個地方怎麼樣？適合學習、工作和生活嗎？
※要怎樣對待工作，在你討厭它的時候？
※義務加班是什麼體驗？