1樓：
相信您的問題是想問」能否轉型成功？「那麼問題的根本就是」是否成功「我曾經轉向過不少行業，總結出來的意思就是，不做怎麼知道成功與否，想做就去做，人生不留遺憾。
至於」怎麼轉？「，最簡單的就是去投簡歷面試，放下以前的榮耀和自我認知，從零做起。
至於」需要學習什麼？「，我相信當你從零做起的時候，工作會告訴你需要學什麼，什麼是最好的學習方式——學以致用，現學現用。
以茲共勉！
2樓：csutzy
資料分析就好像學計算機一樣，你把分析當作工具使用就行了，計算機好的人可以用在任何地方，資料分析也是如此，只是應用場景和分析的方式不太一樣，方向，資料分析現在還是那幾個老套路，回歸啦，線性啦，時間序列啦，生存分析啦，多變數分析啦等等。。。
3樓：莉克風控反欺詐
資料科學一定意義上就是統計學，良好的數學基礎對資料分析大有好處。
不過除了數學和統計，成為一名資料科學家還需要不少技能包，比如1.行業經驗
2.SQL
3.指令碼語言如Python等
4.離線計算/實時計算/OLAP/OLTP等概念其中行業經驗非常重要，非常重要，非常重要，說三遍。
沒有行業背景，玩演算法就是自娛自樂，不解決實際問題。
4樓：桔了個仔
太好轉了，學統計學的比起學計算機出來的，優勢在於數學基礎。
不知道你的專業有沒學到《統計學習方法》，如果沒有，可以自學下，對於統計學的你來說，應該算是不難啃的。
此外，再推薦《利用Python進行資料分析》補補python和怎麼用python。
如果沒有python基礎，推薦這本《Python程式設計》。一般厚的書講的反而深入淺出。
5樓：麼麼
可以的。我們公司就是做人工智慧的，本質上還是需要你有基礎理論知識做支撐，不同公司對這個崗位的要求也不一樣，你可以在招聘網上看看。
6樓：zps731
你所學對這個崗位有百分之二十到三十的支撐
需要掌握程式語言，計算平台，常用演算法。這些是要上手用的工具。
深入了解資料的產生採集傳輸儲存的過程，資料格式，資料庫，資料字典，資料倉儲。具體資料還要具體領域的知識。這是我覺得比較重要的基礎理論。
了解各種資料分析方法，在實際應用時選擇合適的，再去查資料吧。統計學是其中一部分的基礎。這是專業知識。
另外，你要能坐的住，能看一天枯燥的資料。
7樓：嗚啦啦啦
？？建議，搜尋一下"資料科學家"的應聘要求。根據要求來彌補不足。
個人認為，不足主要集中在計算機語言方面吧。
資料科學（data science）和統計學（statistics）有什麼區別？為什麼分成兩個專業？
豆子 資料科學和統計關係和緊密，但各有各的側重點。資料科學是相對比較新的一門學科。字面來理解，會更側重資料 data 以及對資料的處理和分析。因為計算機處理水平的不斷提高，人類收集和處理資料能力也不斷提高。而且企業和機構發現了資料會給我們很多啟發 能幫我們更好地了解相關產品和趨勢，還能幫助我們做決策...
經濟統計學轉生物統計學應該做些什麼？
信步遊方 SAS證考出來。雖然不出國，看看美國biostat牛校的課程設定。那是標桿，我朝會繼續靠攏的。直接去看藥廠的招聘，認識R D員工更好，人家要啥你就準備啥。 感覺兩件事比較重要 乙個是英語，乙個是sas。英語重要就不用多說了，sas重要在於如果你真的從事生物統計師，就必須清楚你的程式猿是怎麼...
統計學是科學嗎？
doloMing 統計學是數學的乙個分支 不論其在歐美發展有多壯大，以致規模超過了純數學，也不能改變其屬於數學的事實 數學並不嚴格符合可實驗，可證偽，可重複的標準。在學科分類中，數學與科學平行而無從屬關係。事實是，並非具有科學性的事物就屬於科學，學科劃分自有標準。 All knowledge is,...