全職學習三個月，我成功轉行從事資料探勘建模。

我本科所學為設計專業，畢業第一年也是專業對口，個人不喜歡也不滿意。工作幾個月後我決定轉行。

￥學習方法

一、入門：

Udacity 的 Machine Learning 課程

提高對資料探勘演算法的興趣，大致瞭解思想，但付費的納米課程對剛入門的人不適合，看看精緻的視訊就好。

廖雪峰python課程

python是資料探勘國內用的比較多的語言，比R應用廣，廖雪峰python課程非常通俗易懂。

很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大資料學習企鵝群：458345782

二、進階：

@Dataquest DataScience 課程

良心課程，基本把有關資料的內容都包括了，除了機器學習的內容零散不 全，初學者可以練習打程式碼學習效率非常高。

@Python 資料分析與挖掘實戰--機械工業出版社

基礎篇對資料探勘理論總結得非常全了。

@利用Python進行資料分析--機械工業出版社

有numpy,pandas,matplotlib庫的內容，在Dataquest學習時可以參考這本書。

@機器學習--周志華

第一遍大概瞭解，不必看得非常仔細。

三、提升：

@鄒博的七月演算法課程

講得非常詳細，順便可以補一下數學基礎。

@www.analyticsvidhya.com

這個網站有很多使用sklearn實現演算法及除錯演算法的文章，其他資料科學的文章也很棒。

四、終結：

使用Jupyter完成自己的專案，可以是有關資料清理、資料視覺化、資料分析、演算法預測模型等。

五、複習：

@概率論與數理統計&線性代數&高等數學少部分

看您的數學基礎，我是先把前面那些學完最後複習的。

我學習時也參考了很多大神的學習心得，他們多是計算機或是數學專業的，轉行方法其實不適用接近0基礎的人，推薦的很多書只適合有一定基礎閱讀的朋友。

如果您和我一樣：

#有不錯的數學基礎

#對資料探勘很有興趣

#接近0程式設計基礎

#英語不錯

那麼這個方法也適合您！

￥面試經驗

面試投簡歷時我發現有關資料方向的有這麼幾種崗位：

1.資料分析師/商業分析師----偏業務

2.資料探勘/資料建模----偏技術

3.資料工程師

第三種不討論，我學習的內容主要能應聘前兩種。

應聘第一種：

您一定要在簡歷中體現您分析資料後得到了什麼具體的結論，最好要有商業價值，敘述專案時請圍繞這個點來講，這些公司都非常重業務，在我看來就像是新型的市場營銷。

優點：對程式設計要求低，會SQL即可，Python加分，表現出強學習能力就差不多了，對商業敏感的人學2個月應該就可以去了。

缺點：薪資偏低，比傳統行業略高，後期一般人上升有限。

應聘第二種：

您一定要對每種演算法原理優缺點及使用的經驗非常瞭解，敘述專案時要體現出您資料建立預測模型的整個過程，包括特徵選擇、交叉驗證、演算法除錯等等。更高的要求是您需要能推匯出演算法。

優點：薪資較高，具有挑戰性，後期有上升空間。

缺點：學習難度高，對數學基礎要求高

￥總結
專業完全不相關在找資料相關工作時不容置疑處於劣勢，但機會還是有的。尤其是現在的新型資料科技公司，在這些公司，資料處於核心地位，而其他網際網路公司資料是輔助其他部門而生的。面試時需要充分準備，你得向面試官證明你的專業能力。

我個人感覺雖然鋪天蓋地的新聞說大資料缺口很大，但對於國內很多企業只是在跟風做資料，並不急缺只要很有經驗的，資料這一塊做得很不成熟，好多業務都外包給資料科技公司。

所以，大資料這塊蛋糕目前只是看著大，可食用的不夠多。但未來需求增長應是肯定的，如美國現在需求量非常大，國內的發展總是滯後的。

 

Anyway，資料相關的崗位普遍薪資比傳統行業高得多，晉升快，只要你喜歡，一切會非常值得！

如果您也想從事資料相關的工作，有問題歡迎諮詢我，不閒聊有問題總結後提問哦，希望理解，畢竟每個人都只有24小時！希望這篇文章能對您有所幫助，後期還有一系列資料探勘學習內容具體的介紹，喜歡請關注哦！

很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大資料學習企鵝群：458345782，有大量乾貨（零基礎以及進階的經典實戰）分享給大家，並且有清華大學畢業的資深大資料講師給大家免費授課，給大家分享目前國內最完整的大資料高階實戰實用學習流程體系