计算机背景较弱的数学博士，适不适合做数据挖掘方面的算法工程师？

我有一个朋友数学博士，
1.博士做的是非线性优化方向（这方面我也懂的大概）
2.平时做优化主要使用matlab进行编程
3.参加过一家公司的实习，主要使用matlab进行算法设计，由其他人员做C++的实现。同时学了一些C++编程，但要独立完成算法实现还有困难
4.目前正在恶补数据结构等计算机知识

就以上的情况，希望大家给点意见，适不适合做数据挖掘方面的算法工程师？想往这个方向发展需要做哪些努力，哪些知识是必须的？想1年内找这个方向的工作，哪些公司可能会要？

匿名用户 · 2018-9-28 00:20:07

提示: 作者被禁止或删除内容自动屏蔽

田月 · 2018-9-28 00:20:06

可能会很适合吧，但你必须能独立做出结果，在那之前是没有人会相信你的阳春白雪的。

姜文浩 · 2018-9-28 00:20:04

了解细基本知识（ng的ml课，课本prml，课本esl 等等）之后就直接刷kaggle的竞赛好了。

张戎 · 2018-9-28 00:20:02

转行数据挖掘和机器学习
半年前从数学专业转行到了互联网行业做数据挖掘和推荐系统，在做具体的业务的时候遇到了一些知识点，于是自己整理出来。如果有后来人需要转行的话，可以用这份资料来参考一下。大牛请忽视以下的内容，小白可以参考下。从数学专业转行到工业界做数据挖掘需要的知识储备：1. Hadoop，HIVE，SQL数据库操作。Hive用于提取数据，做基本的数据分析。hive的基本函数，比如聚合函数，数学函数，字符串的函数，连接表格函数等。hive的各种语句，比如if else，case等语句。EXCEL的基本操作需要掌握，可以进行各种数据的处理、统计分析和辅助决策操作，用熟悉了其实挺方便的。
2. 编程语言
最好会python，c/c++，或者java，至少一种。做机器学习的话感觉用python会多一些。3. 操作系统
Linux系统，脚本语言Shell。4. 数据挖掘和机器学习的基础知识和算法逻辑回归算法 Logistic Regression（LR），
支持向量机算法 Support Vector Machine（SVM），
物质扩散和热传导算法（Heat Spreading），
Gradient Boosting Decision Tree（GBDT），
聚类算法，神经网络算法，决策树，随机森林，异常值检测等常用算法需要掌握。
特征工程的基础知识：根据相应的产品进行必要的特征构造，物品特征，交叉特征等。其中LR使用广泛：由于LR是使用线性方法来处理非线性的问题，导致特征工程十分复杂，交叉项多（二维或者三维的交叉）。工程上的最优化论文推荐：Ad Click Prediction a View from the Trenches需要了解的是相关论文的背景SGD算法，Truncated Gradient算法，RDA算法，FOBOS算法，FTRL算法等。 5. 统计学
时间序列模型，变量的相关系数，ROC和AUC，交叉验证，主成分分析。
6. 业务背景
大数据，推荐系统，计算广告学的科普书籍。以上就是笔者在公司工作半年了的一些简单的总结，如果有啥不正确的地方，还希望大家赐教。

-----------------------------------------------------------------------
工作了一年半之后重新更新了一下帖子：以后有时间会持续更新~
转行数据挖掘和机器学习 - 知乎专栏

计算机背景较弱的数学博士，适不适合做数据挖掘方面的算法工程师？

4 个回复