生物信息學博士可以從事互聯網數據挖掘分析嗎，兩者差距有多大呢？

01-12

謝邀。。。來給題主潑個冷水

看了題主的其他問題和留言，我覺得問題應該是「本科生物，想要轉行，要不要讀一個bioinfo的博士做跳板」

1. 博士能不能做跳板？

肯定是可以的。私以為來美帝讀生物博士中，很多是奔著出國，轉行。大部分人會選擇生物-生物統計-統計/碼工的途徑
念生物信息的我認識的不多，但是都還留在生物行業
我認識的讀生物博士的還有轉讀醫學，做諮詢的

2. 值不值得？

讀個博士起碼5年，讀出來28，9歲，去和本碩畢業的人競爭第一份工作，別人還多半有實習經歷
讀生物博士很難有時間搞副業，更別說實習，老闆得是多不缺錢不缺人才能不care
博士期間大部分是靠自學的，有那能力真不需要讀博士

3. skill set

博士做的東西還是很專的，博士階段是否能培養工作所需的技能？數據挖掘應該要用到很多統計知識，也許machine learning什麼的？（這我真不怎麼懂了）
另外數據挖掘最終還是要預測點什麼，serve個什麼商業目的吧，那就需要建模能力和一定程度的商業知識了，讀博士肯定不培養這些能力

綜上所述：

讀生物博士轉行不是最佳途徑，真的要靠讀書轉行還不如申請一個計算機/統計/商科的碩士。碩士比博士就業面廣的多，而且畢業了也就24，5歲，還有優勢
真的要讀博士，生物統計比生物信息有用，且好轉行
真的要讀博士，找個nice的老闆

最後吐個槽，確定要轉行的就別來讀了。花5，6年時間，拿著最低工資，做一件你覺得沒意義的事情會抑鬱的；老闆雇了你，你不好好乾活，老闆會傷心的；還是有人真的喜歡生物，想讀博士，做科研的，別占別人名額。

作為目前在一線互聯網公司做數據挖掘的生物信息博士的我冒個泡

===============================================

2017.4.9

我博士念了五年，其實機器學習在生物信息或者生物統計領域用的挺多的，我在博士期間用生物信息做過一些事情，也發過文章，但當時我還沒有系統的學習。只是即用即學。

畢業後，我在通訊行業做軟體開發做了五年，這中間自己斷斷續續在學習機器學習，因為我本科是學數學的，學起來還好不算太吃力。

但2012年，自己想跳出通訊行業的時候，還是遇到很多困難。自己雖然一直在學數據挖掘，機器學習的東西，但對於如何在對於機器學習在互聯網行業如何應用還是一知半解，找工作的時候也不少碰壁。後來我靜下心來，把《introduction to data mining》這本書精讀了一下，用網上的一些開源的數據，做了一些小的項目。再去找工作的時候，感覺順了很多。先是拿到高德地圖的offer，這時我的一個同學拉我去創業，讓我負責他公司的數據挖掘團隊，雖然是小團隊，但第一次獨挑大樑，還是遇到不小的挑戰。這段時間，我感到課本知識和實際應用中間有不小的gap，真正要把一個項目落地，會遇到各種不同的麻煩，但一個個項目做下來，自己的水平又提高了一大截。

如果你現在的工作，或者你的專業並非你興趣所在的時候，沒必要糾結，導師或者老闆布置的事情該做做，好好做。因為人總要professional一些，拿了人的工資，替人辦事兒。但工作是別人的，學習是自己的。你必須好好規劃自己的時間，學習自己感興趣的東西。

就機器學習，數據挖掘領域來講，現在網上有好多開源的資源，跟2012年之前不可同日而語。各種公開課，各種論壇，各種公開數據。

下面是我的一些學習建議：

1. andrew NG的couresa上的課程可以作為入門。

2. 入門之後，繼續學習下andres NG斯坦福講課的課件。

3. 目前是深度學習如日中天，必須要學

4. 至少會一個平台型工具，比如tensorflow，這樣演算法才能落地

心理學博士都可以做CTO，想不出你有什麼理由不能夠。

看你學哪個方向的，一般數據挖掘跟生物統計的還沾點邊，生物信息學博士的統計學知識不一定紮實。如果你的老闆不是統計學出身的話，基本就沒戲

基本很難了。。。

我一路在生物領域輾轉，發現，無論在生物哪個領域，只要是研究生物問題的，除了老闆精通非生物學以外的內容，大部分學生只是為了用老闆開發出來的東西，證明老闆的理論想法。

生物信息學實驗室很多都是拿老闆寫好的程序去跑，要不然就是wet lab為主，拿commericial的軟體去跑結果。

總而言之，學習生物信息是為了更好地學習生物，而不是轉行。

完全可以啊，據我所知，現在很多計算機搞機器學習和模式識別的都跑去做生物信息了，反過來當然需要更多的統計知識。