1樓：歐陽
還在學校的話轉行真的是只要付出時間和精力完全可以，因為不像工作了之後壓力那麼大，機會成本那麼高。
轉資料探勘現在網上資料超級多的，隨便一搜就是，題主也可以和之前的同學有幹這個的，或者相關專業的多交流一下。
其實，看題主已經開始做起來了，只不過是在做的過程中會不斷懷疑自我，這種心態我十分理解，因為我自己也有過，會權衡利弊，會想怎麼能和科班的競爭，每當有這種想法時我覺得就應該更認真的去學習，等學到一定程度了，就可以開始慢慢投實習了，去面試也是一種學習，並且實習的要求肯定比正式校招低很多的。
話說我就是這樣轉行過來的，也只是剛剛邁出了第一步，我的學校還不如樓主，所以，慢慢加油吧。
這裡是我之前寫的一點轉行經歷
2樓：楓小秋
這個你得積累，我是吉大這邊也不是專門學這個的，就是憑興趣慢慢來的，而且現在帶我的老師教地探學院，但是自己實驗室做的是機器學習的演算法，這個有興趣感覺行就去堅持下去學，我感覺能做交叉人才更好，而且量沒有乙個界定，計算機技術沒有止境，無時無刻都得學習，取決於你的能力，不要知道了helloWord了，就感覺要當工程師了
3樓：牛角山老實人
焦慮啥，跟我學啊，退學啊 。開玩笑的，我覺得你可以在地大找個計算機或者數學那邊的老師，說想跟他做東西，一般老師不會拒絕。嗯，其他的就是自己多做做kaggle，阿里天池。
還有leetcode上的題，牛客上的多刷刷。現在也有PAT考試了，順便考了吧。還有，你可以去別的學校蹭一些比較好的機器學習課去。
4樓：Python高階者
同是天涯淪落人~~不過樓主能進入那麼高大上的學校，是我不能及的。
個人覺得其實你不用那麼絕望，甚至應該慶幸。如果你想拿自己跟IT科班的夥伴對比，那肯定分分鐘有想死的心情。但是你轉過頭想，如果你會一些機器學習、大資料、資料探勘等，再結合你專業本身，可以向著地質大資料這個方向。
如果你想找工作，可以想著去BAT公司、華為等，但是人家不會要你的，換個角度想，如果你聚焦地質行業，朝著地質大資料方向去，搞地質大資料的公司或者單位分分鐘把你挖走。因為你既有地質專業知識，也懂大資料、機器學習等，成為一名地質大資料人才也不錯哇。也許這個地質大資料行業就你一枝獨秀了，想想都開心。
做完白日夢了，該靜心學習了，大資料、機器學習大家聲聲念念，其實很多的東西要學，至於怎麼學，請你另謀高就，我只能幫你到這了。
祝樓主一切順利~~
5樓：bang
還在讀書就找實習或者打比賽唄,你這好多了,我之前轉行都碩士畢業兩眼一黑,時間大把的,不要慌.
把計算機基礎什麼的補一補,資料結構,演算法什麼的,可以去找實習了
6樓：
資料探勘其實和演算法崗的側重點也有不同，演算法崗會對資料結構，演算法的更深層理解，資料探勘側重實際應用。
資料探勘的實習並不難找的，但是你還欠缺學sql 或者hive，這樣才方便能找到實習。而且最好自己盡量科研找往這個方向靠的哈，面試方便有話題聊。大資料的公司一般用spark做資料探勘哈，最好也有了解。
如果網際網路公司實習難找，你可以找正在和大資料結合的諮詢公司的實習，作為第一小步，然後之後第二個實習就會更相關。
加油，一步一步來，還有時間，堅定一些，相信自己！
7樓：
現實不現實，試試就知道了。
找一些靠譜的公司的相關演算法崗位投遞一下，和面試官交流一下，通過了就有機會去學習去實踐，沒通過，通過和面試官的交流也可以知道還需要在哪些方面去提公升。
8樓：黃哥
焦慮不能當飯吃，要學會思考和查資料。上面列出三家公司對資料探勘的要求。
1、共有的要求，會程式設計， 要學習資料結構和演算法，你學了嗎？
2、數學方面，對統計學有要求，統計學了嗎？
3、招聘要求，「演算法工程師」或「軟體開發工程師」。
其它的自己去查吧。
看企業招聘要求，對比自己的技能，補上自己缺的知識。短期內學太多知識也不現實，要抓住重點，能通過企業面試題的考驗，才是學習的重點。
加油！
黃哥：黃哥Python:提醒要轉行當程式設計師的朋友,學習要分先後主次
作為資料探勘研究生需要補充哪些數學知識？
資料探勘與分析 概念與演算法 穆罕默德 扎基 Mohammed J.Zaki 小華格納 梅拉 Wagner Meira Jr.吳誠堃 摘要書評試讀 圖書 數學基礎雖然再多也不叫多，但是與DM直接相關的一定要認真打好基礎。概率學。基礎中的基礎。數理統計學 統計機器學習 vapnik，Elements ...
機器學習，資料探勘在研究生階段大概要學些什麼？
星辰大海 其他回答都已經非常全面了，再補充一點，常用 通用的人工神經網路，肯定是建議掌握的，包括 1 全連線神經網路 全連線神經網路通常被稱作多層感知機，其典型結構如下圖所示 全連線神經網路 2 卷積神經網路 卷積神經網路是計算機視覺領域最常用的影象識別方法，主要特色部分是卷積層和池化層。卷積神經網...
機器學習 資料探勘方向的計算機研究生該如何整體提公升自己的技術水平？
陳阿榮 志向遠大，目標明確，成績可度量 然後 多學 資訊時代，慕課，wiki，問答，書籍，途徑非常之多 微博上很多機器學習專家也可以關注關注 現在的條件可以選擇頂級的專家和內容來學習 多用 從戰鬥中學習戰鬥，總是最快和最有成效的，推薦kaggle。像kaggle這種資源的話直接利用起來，多練一練，互...