大家好！我目前化学博士在读，但因为不喜欢自己的专业，就打算转行计算机了。

我自学了一些计算机的东西，想找一份数据分析 /算法的相关实习。我会的东西实在很少，对这个领域了解也很少，所以来想所听听大家的意见，比如哪些语言不专业、哪些内容需要删改，以及需要补哪些知识、做什么项目……任何建议我都非常愿意听!

因为想转行的缘故，我的生活停滞一年多了，好怕自己就这么废了，最近已经是焦虑得睡不着觉，求大家救救孩子吧！ qwq

求各位不吝赐教！！！！！跪谢！！！

个人信息

女，1996 年生
Github： https://github.com/Sonia-96

[几乎都是课程笔记，只有一个 sql 的小项目] *

实习意向

职位：数据分析 /算法
时间：每周 4 天，6 个月

教育经历

XX 大学化学学士 GPA: 3.0/4.0 2014.9 - 2018.7
XX 大学化学博士 GPA: 3.6/4.0 2018.9 至今

技能

编程：Python （ NumPy，Pandas，Matplotlib，Seaborn，Plotly, Cufflinks, Scikit-Learn，Keras，Tensorflow ），SQL * [ Keras 和 Tensorflow 其实不是很熟练，需要写上去吗？] *
相关课程：线性代数、数据结构与算法，吴恩达-机器学习、吴恩达-深度学习
英语：托福 100

项目经历

CS 相关：

[我会的东西太少了，就把学过的课程也写进去了，不然面试官都不知道我会啥……qwq ] *

数据结构与算法：
- 数据结构：数组、链表、栈&队列、二叉树、堆、并查集、哈希表。
- 基本的算法：排序和查找、贪心算法、动态规划、回溯法
- 图像算法：图像搜索、最短路径、最小生成树
- 字符串匹配算法：RK 算法、KMP 算法、BM 算法、AC 自动机、后缀数组、后缀树
吴恩达-机器学习：
- 学习机器学习基础知识，可以用 Octave 实现以下算法：线性回归、Logistic 回归、神经网络、SVMs 、PCA 、K 均值算法。* [也许该用 python 重新实现一遍？] *
吴恩达-深度学习：

学习了深度学习基础知识，并用 python 结合 Tensorflow 和 Keras 完成以下课程项目：
- 深度神经网络：
  - 用单层神经网络+logistic 回归实现对平面数据的分类，准确率>90%
  - 构建一个逻辑回归分类器来识别猫，准确率>80%
- 卷积神经网络：
  - 实现一个识别人的笑脸的模型，准确率>90%
  - 实现一个残差网络模型，该模型识别表示数字 1-5 的手势，准确率>90%
  - 用 YOLO 算法实现对车辆的检测
  - 实现神经风格迁移模型和人脸识别模型
- 循环神经网络：
  - 实现一个 RNN 字符级语言模型，该模型可以给恐龙命名
  - 实现一个 LSTM 模型用于 Jazz 创作
  - 实现一个 Emojifier，该模型可以识别文本感情为给其加上恰当的 emoji
  - 构建一个注意力模型用于对日期的翻译
  - 实现触发词检测模型
SQL 项目：

用 Node.js 和 SQL 实现了一个活动报名网站，该网站可以收集报名者的邮箱并实时显示当前的报名人数。

化学相关：

专利“XXXX”（我是第二发明人，第一发明人为导师）已进入实质考察阶段。

user919lx

2020-07-17 12:22:20 +08:00

作为在数据公司的工作的程序员来说几句，我是统计专业毕业的，所以对数据分析也有相当的了解。

数据分析这个岗位门槛算是偏软的，不像程序员，技能会就是会，不会就是不会。数据分析的能力有很多可讨论的空间，每家公司的标准也不太一样。

无论水平高低，一大堆人都想往这个方向转，我收到的希望内推数据分析的简历比程序员的多出十倍，公司里数据分析师的学历也是远远高于程序员（人均本科 985 硕士海外名校）。楼主虽然是博士，但化学专业真的一点竞争优势都没有，转到数据分析，除非是正好化学相关的，否则就是妥妥的巨额沉没成本，同样的学校水平，公司会更愿意招一个统计、市场分析、商业分析之类专业强相关的硕士，要是没有人吧也会退而求其次，但实际上这类人才的供应非常充足。所以虽然岗位需求确实大，但相应的人才供应也非常多，加上前面说的，软门槛偏低，考察方式多样，很看重学历、实习经历的背书，你面对的竞争压力一点都不比算法岗的小。

简历里提到的这些东西，毕竟都是自学，现在又不是几年前人才供给不足的情况，这些技能几乎是个分析师就会（指的自学一点皮毛，量化标准就是投入的时间在 100 小时以内，如果是专业学这个另说），而且像深度学习这种东西，需求面其实很窄，需要做图像识别的公司或者部门并没有那么多，即使真有需求人家也是倾向招真大佬。什么知识有价值呢？其实是数学建模的思维和能力。AI 下的各种算法，都有其适用面的，每个公司的业务可能只使用到其中一部分，甚至公司自己都不知道该使用哪部分，只是知道遇到了什么问题，想要去解决，而算法会是一个看起来可行的方案。那么这种情况下，你要做的并不是简单地说用什么算法调一下参数就完事，而是需要对问题进行分析，梳理清楚变量和求解的核心目标，决定如何评价计算结果，然后才是考虑用什么样的算法比较好。在这个过程里面，你对算法的熟悉程度决定着你能不能给出最优的算法，但前面的数学建模过程是一切的基础，如果没有这个基础，或者基础做得不好（比如漏掉了关键变量，或者评价指标设计得不对），那得到的结果就不能真正解决问题。相反的，即使对算法不是那么熟悉，也没有关系，基础打好了，算法可以慢慢找，不能保证给出最优，但相对较优也足够了，95%和 90%，对业务来说有时候差别并不那么大。

当然楼主的优势也是有的，96 年的博士，想来学习能力是非常出色的，如果能让面试官相信你的学习能力比其他人强一大截，还是会有机会抹平专业的劣势（但个人是比较悲观的，就说上面提到的这个学历水平，学习能力也不会太差，而专业知识的差距是很难弥补的）

楼主如果能去个一线的、数据文化比较好的公司实习的话，以后求职还有机会。我比较认可的，在国内能找到岗位的，数据文化出色的大公司（排名有先后，仅仅代表个人了解的情况和见解）：Airbnb 、美团、字节、滴滴、阿里、京东。这些是我比较认同的，但也要注意别去到一些边缘部门的数据分析岗（比如京东仓储的数据分析），那就是真打杂，对未来求职毫无帮助。

给楼主的建议，如果楼主对编程比较擅长的话，多展示这方面的能力。虽然编程不是数据分析师的核心能力，基本不会以这个作为核心考量标准，但编程能力好的人，对公司研发资源占用少（简单地说就是可以少麻烦程序员），无论去哪都很受欢迎。

我作为一个局中人，很理解一些同学选错专业之后的焦虑，但还请多多了解各方面的信息。我们公司现在似乎还有一些数据分析实习的岗位，base 深圳，如果有兴趣的话不妨给我发个简历 xingxing_fisher@163.com

其实转数据分析的问题算是非常普遍了，我也见过有人成功的，失败的，寻思着这段时间整一个视频或者文章来详细讲一讲这个问题，明确一下大家的学习方向吧。

化学自学转行，求各位批改简历！