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。

beidounanxizi

2020-07-17 20:44:31 +08:00

直接 linkedin 找 PKU 校友或者校内 BBS 论坛问吧
来 V2EX 最多了解 IT 情况何况水友水平参差不齐信息未必都对的
考了托福校内你修了计算机课直接申请美帝 CS 相关 MS 好了（限于家庭水平不错情况下）
很多人都不知道拿到博士的难度和含金量虽然生化环材但是清北嘛
既然你已经准备了挺长时间我认为现在你缺的是实习而已不用这么着急
技术上面你刷了剑指 offer，我觉得还是不够吧，LEETCODE 再刷个 300-500
或者直接打下比赛比如 leetcode atcoder codeforce div2 和 div3 以及 topcoder 周赛试试看自己的水平吧
其他技术不敢评论不懂
我也是国内 master 毕业直接转后端程序员的
考学校光环找个实习或者全职工作不难的
你现在缺的是一分不错的算法实习生实习

duzhanguan

2020-07-17 22:00:40 +08:00

不知道你什么学校的，感觉你去知乎问霍华德（一个材料本转 cs 博）比这问靠谱多了，这里没几个人真读过博而且还是做这种基础科学研究。ds 和算法岗中，外企确实不看重专业但很看重学历，招的人基本全是博士，以巨硬为例前几天刚招了个藤校生化博，普通学校博也有一位但是是在别的企业做了四五年数据岗招过来的，另外一个有人提到的 Airbnb，知乎上蹿下跳的曾博就不提了。国内企业算法岗不看重学历，但以字节为例比例大约为 40:1，不管你走哪条路去做算法基本都是诸神之战，你要有拿得出手的经历才行。
不想这么难的话可以转后台，那你就没必要读博，直接在校内转个硕就可以了，然后刷刷面试题找个实习，大厂找不到先找小厂，一步一个台阶，反正 96 年读博应该题都还没开。
说实话算法和数据之间的区别在不同公司的定义都很不相同，有的公司把你招进去其实就是打标签，洗数据，写 ppt 或者披着算法皮的后台，前端，测试，产品，etc，总之看你选择。

pandachow

2020-07-18 00:16:56 +08:00

@Sonia96 #166 在微软的大部分组，Data Scientist 会和 SE 一并考核和评价，所以基本可以看成是 SE+ML 基础知识。以我的面试经验来看，会是 50%LeetCode 类型的算法题+50%机器学习类型的基础知识 /理解。

如果单纯从功利角度去看待面试的话，LeetCode 类型的题目考核方法和普通的 SE 基本无差别，ML 基础知识是 Data Scientist 岗位比较特殊的地方。若不是岗位特别特别对口，那么多数情况都不会只考具体的模型（例如不会因为你对 YOLOv3 或者 BERT 不熟悉就否定你，毕竟先前的工作领域也有所不同，以及模型也会不断更新迭代），而是对主流模型的理解以及更为底层和 general 的知识，例如点估计 /区间估计，对统计学习和贝叶斯框架类型方法的理解，不同结构 CNN 和序列模型在捕捉特征时，各自的局限在哪等等。

这些知识在你的课程和实践中都有涉及，我觉得你应该掌握得不错。所以我才特意提到数学，毕竟 ML 相关的 onsite 是有可能会遇到推公式的面试的，大多数是统计学习类方法的基本演算。

至于可能性，我就不给什么数字了，毕竟参数太少，我这个人肉模型给出的结果也没什么 confidence 。

我觉得你的背景比我好很多，至少学校是这样。我在 https://www.bilibili.com/video/BV1g5411Y718/ 视频中 10:10 秒提到了自己面微软 DS 的经历，可以给你做参考。

lacroqueta

2020-07-18 07:58:32 +08:00

同 96 年，生物专业，18 年毕业以后在某 top 制药外企 gap 了两年，今年拿到了美校 20 fall phd offer，暂时被困在国内。
lz 的心态我当时也有，专业是个大坑，再加上保研失败，想着要不要趁那个机会转个行。

后来拿到了药企的 offer，就想着先混两年，攒点钱攒点时间看看整个行业，再决定接下来的路怎么走。

这两年在企业给我的感觉是，如果想做研发（等类似技术性工种），phd 是非常重要的。我们一个部门 30 多个人，只有小几个是 master，剩下全是 phd 。master 在里面毫无话语权，和本科生无异，纯粹是技术型人才，涉及到实验设计乃至 project 设计，都限制 phd 做。往后升 title 也是一样，phd 比 master 的发展空间、薪水要好太多。

个人觉得 CS 也是一样，今天的生物行业就是 10 年或 20 年后的 CS 。学的人太多。master 一抓一大把，phd 一抓一大把。到那个时候就不是纯业务能力说话了，学历绝对是非常重要的限制。虽然不合理，但是行业规律就是这样。

我觉得楼上很多人说的很对，要不就熬完这几年把 phd 拿到，然后往信息方向转。有 phd 工作都好找很多，而且 industry 有很多类型的岗位，一直在学校里是了解不到的，有可能你到时候也不想去码代码了；要不就是硕毕，转行 CS，读到 phd 。这又要很多年很多钱了，而且会有很大的 peer pressure，相当于比同龄的人落后了至少三五年，会是很艰难的一条路。

化学自学转行，求各位批改简历！