全职学习三个月，我成功转行从事数据挖掘建模。

我本科所学为设计专业，毕业第一年也是专业对口，个人不喜欢也不满意。工作几个月后我决定转行。

￥学习方法

一、入门：

Udacity 的 Machine Learning 课程

提高对数据挖掘算法的兴趣，大致了解思想，但付费的纳米课程对刚入门的人不适合，看看精致的视频就好。

廖雪峰python课程

python是数据挖掘国内用的比较多的语言，比R应用广，廖雪峰python课程非常通俗易懂。

很多初学者，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习企鹅群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系

二、进阶：

Dataquest DataScience 课程

良心课程，基本把有关数据的内容都包括了，除了机器学习的内容零散不 全，初学者可以练习打代码学习效率非常高。

python 数据分析与挖掘实战--机械工业出版社

基础篇对数据挖掘理论总结得非常全了。

利用Python进行数据分析--机械工业出版社

有numpy,pandas,matplotlib库的内容，在Dataquest学习时可以参考这本书。

机器学习--周志华

第一遍大概了解，不必看得非常仔细。

三、提升：

邹博的七月算法课程

讲得非常详细，顺便可以补一下数学基础。

www.analyticsvidhya.com

这个网站有很多使用sklearn实现算法及调试算法的文章，其他数据科学的文章也很棒。

四、终结：

使用Jupyter完成自己的项目，可以是有关数据清理、数据可视化、数据分析、算法预测模型等。

五、复习：

@概率论与数理统计&线性代数&高等数学少部分

看您的数学基础，我是先把前面那些学完最后复习的。

我学习时也参考了很多大神的学习心得，他们多是计算机或是数学专业的，转行方法其实不适用接近0基础的人，推荐的很多书只适合有一定基础阅读的朋友。

如果您和我一样：

#有不错的数学基础

#对数据挖掘很有兴趣

#接近0编程基础

#英语不错

那么这个方法也适合您！

￥面试经验

面试投简历时我发现有关数据方向的有这么几种岗位：

1.数据分析师/商业分析师----偏业务

2.数据挖掘/数据建模----偏技术

3.数据工程师

第三种不讨论，我学习的内容主要能应聘前两种。

应聘第一种：

您一定要在简历中体现您分析数据后得到了什么具体的结论，最好要有商业价值，叙述项目时请围绕这个点来讲，这些公司都非常重业务，在我看来就像是新型的市场营销。

优点：对编程要求低，会SQL即可，Python加分，表现出强学习能力就差不多了，对商业敏感的人学2个月应该就可以去了。

缺点：薪资偏低，比传统行业略高，后期一般人上升有限。

应聘第二种：

您一定要对每种算法原理优缺点及使用的经验非常了解，叙述项目时要体现出您数据建立预测模型的整个过程，包括特征选择、交叉验证、算法调试等等。更高的要求是您需要能推导出算法。

优点：薪资较高，具有挑战性，后期有上升空间。

缺点：学习难度高，对数学基础要求高

￥总结

专业完全不相关在找数据相关工作时不容置疑处于劣势，但机会还是有的。尤其是现在的新型数据科技公司，在这些公司，数据处于核心地位，而其他互联网公司数据是辅助其他部门而生的。面试时需要充分准备，你得向面试官证明你的专业能力。

我个人感觉虽然铺天盖地的新闻说大数据缺口很大，但对于国内很多企业只是在跟风做数据，并不急缺只要很有经验的，数据这一块做得很不成熟，好多业务都外包给数据科技公司。

所以，大数据这块蛋糕目前只是看着大，可食用的不够多。但未来需求增长应是肯定的，如美国现在需求量非常大，国内的发展总是滞后的。

Anyway，数据相关的岗位普遍薪资比传统行业高得多，晋升快，只要你喜欢，一切会非常值得！

如果您也想从事数据相关的工作，有问题欢迎咨询我，不闲聊有问题总结后提问哦，希望理解，毕竟每个人都只有24小时！希望这篇文章能对您有所帮助，后期还有一系列数据挖掘学习内容具体的介绍，喜欢请关注哦！

很多初学者，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习企鹅群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系