我90后,零基础成功转行大数据分析师,从月薪4K到现在月入2W+!改变真的难吗?

2026年Windows笔记本选购指南:从MacBook迁移到高性能替代方案 最近在帮朋友选笔记本时,发现一个挺有意思的现象:很多习惯了 macOS 生态的用户,因为预算、特定软件需求或者单纯想换个口味,开始认真考虑 Windows 笔记本。特别是当 MacBook 产品线更新换代,比如传闻中的“MacBook Neo”这类新形态产品可能带来价格或接口上的变化时,寻找一个可靠的 Windows 替代方案就成了刚需。但 Windows 笔记本市场品牌型号繁多,从三四千元的入门本到两三万元的旗舰机,配置、设计、体验天差地别,如何根据自身需求精准“避坑”选到最适合的那一款,是个技术活。 本 阅读详情

前言

我是25岁转行学数据分析的。说实在,转行就是奔着挣钱去的。希望我的经历可以给想转行的朋友带来一点启发和借鉴。

0****1、三年的物流生活

先简单介绍下个人背景,三流大学毕业,物流专业,学习能力一般,没啥特别技能,反正就很普通的一个人!工作三年存款20000。

话说,我从去年开始,我就想着自己是不是要转行,去年上半年一直在家里,下半年又回到自己的工作岗位,却又不知道这份工作是不是想要的。一直到今年春节后,我觉得我应该从新开始。

不知道正在读文章的你,有没有果同样的迷茫,希望接下来我的文字能给迷惘你有一些感触。

图片

0****2、迷茫的过程中,我决定转行

我决定转行IT行业理由很简单,体面行业,不用体力劳动,办公环境大多不错,行业回报率高,做哪一行都不轻松,但是IT回报率可能更高。而且现今互联网趋势明显,IT人才是通用人才,走到哪都不怕找不到工作。

图片

0****3、适合自己学习方式

我是 完全小白,没基础, 所以学习过程还是非常痛苦的。刚开始网上买了一些大数据分析类书籍,但是没基础看起来实在是难以理解。于是网上找教程,但不成系统,起步的那段时间都怀疑自己到底能不能学成,是不是该放弃。

虽然否定自己的想法当时而出现,但真的不想一直过着低薪卖苦力没有未来的日子,内心渴望改变的声音鞭笞着我坚持。

我一开始学习也是迷迷茫茫。在网上各种搜索怎么转行数据分析,数据分析师要学什么。

后面我认为这样效率太低了,所以报了个课程。报课对于新人来说是最直接快速进入这个领域的办法(个人是这么觉得的)。

一切准备就绪后,就开始上课了,数据分析的课程和纯打代码的课程相比还是比较有趣的,课程基本上分为硬技能和软技能这两方面的学习。

硬技能简单来说就是从事数据分析需要用到的一些技巧,如python、SQL等工具如何使用。软技能主要就是一些思维方法和常用数据分析方法。

在技能学习完后,我们还进行了企业项目的实操的培训,手把手带你利用所学的知识真正的去处理工作上会用到的问题。避免面临真正上岗后一开始不知道如何处理问题的尴尬处境。期间老师还会告诉你一些当年他工作时遇到的问题和工作上的技巧,帮助我们工作之后可以少走些弯路。

图片

04、拿到4份offer,平均薪资12K

学完后,我先后面试了 4家公司,并且都成功拿到了offer, 在经过深思熟虑后,我最终选择了一家比较有名的企业(由于隐私性,这里不方便透露)。

其实在面试之前我还是比较焦虑的,因为我面试的时候正好爆发了二次疫情,原本以为招聘的公司可能会减少,但是后来我发现招数据分析师岗位的公司真的不在少数,我觉得我能拿到4份offer的原因也是因为我专业性的东西学的还是比较扎实的,基本上面试的技术问题我觉得自己回答的还是很满意的,这次面试的结果也侧面证实了技术才是硬道理。

图片

05、机会永远属于有准备的人

机会属于有准备的人,这是一个实力的时代。 人和人之间的差距不在于智商,而在于如何利用业余时间,只要你想学习,什么时候开始都不晚,不要担心这担心那,你只需努力,剩下的交给时间!

感谢你阅读本文,我希望我分享的故事能对你有所启发。我知道在找这份工作的过程中,阅读博客文章对我的帮助非常大,所以我希望这篇文章也能够帮助到其他人 。祝你好运,不要放弃!

读者福利:知道你对Python感兴趣,便准备了这套python学习资料

对于0基础小白入门:

如果你是零基础小白,想快速入门Python是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习等习教程。带你从零基础系统性的学好Python!

零基础Python学习资源介绍

① Python所有方向的学习路线图,清楚各个方向要学什么东西

② 600多节Python课程视频,涵盖必备基础、爬虫和数据分析

③ 100多个Python实战案例,含50个超大型项目详解,学习不再是只会理论

④ 20款主流手游迫解 爬虫手游逆行迫解教程包

⑤ 爬虫与反爬虫攻防教程包,含15个大型网站迫解

⑥ 爬虫APP逆向实战教程包,含45项绝密技术详解

⑦ 超300本Python电子好书,从入门到高阶应有尽有

⑧ 华为出品独家Python漫画教程,手机也能学习

⑨ 历年互联网企业Python面试真题,复习时非常方便

👉Python学习路线汇总👈

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)

👉Python必备开发工具👈

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉Python学习视频600合集👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

👉实战案例👈

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

👉100道Python练习题👈

检查学习结果。

👉面试刷题👈

在这里插入图片描述

在这里插入图片描述

资料领取

上述这份完整版的Python全套学习资料已经上传优快云官方,朋友们如果需要可以微信扫描下方优快云官方认证二维码 即可领取↓↓↓

在这里插入图片描述

好文推荐

了解python的前景:https://blog.youkuaiyun.com/SpringJavaMyBatis/article/details/127194835

了解python的兼职副业:https://blog.youkuaiyun.com/SpringJavaMyBatis/article/details/127196603

RAG实战指南:从检索增强原理到企业级落地细节 RAG(检索增强生成)是一种将外部知识动态注入大语言模型的推理增强技术,其核心在于解耦‘知识检索’与‘内容生成’,通过向量检索、重排序和可控生成三阶段协同,显著缓解大模型幻觉、提升事实准确性。相比微调,RAG具备知识更新快、成本低、可审计等工程优势,广泛应用于智能客服、法律合规、医疗问答等需强依据支撑的场景。本文聚焦RAG落地中最关键的四大环节——语义切块、中文Embedding选型、混合检索策略与Prompt强约束设计,结合bge系列模型、Qdrant向量库及LlamaIndex工程实践,系统揭示影响RA 阅读详情

相关推荐

一次实时数据链路丢数排查:从 MQTT 队列积压到 SQL 统计开销

本文通过一次实时数据链路压测,排查了从MQTT到ClickHouse的端到端数据丢失问题。核心方法是为每条消息添加序号,建立独立观察点(MQTT订阅端、Kafka消费者),结合转发服务阶段统计与线程栈分析,定位到下游处理速度不足源于Druid SQL合并统计的高开销。优化措施包括关闭SQL合并、扩容代理队列、增强生产侧失败处理,并验证15分钟内实现全链路对账一致,显著缓解积压与丢包。关键收获:数据可对账、明确各阶段“成功”定义、关注客户端队列状态。

qq_49474843的博客 334

年后准备跳槽可以看看!

大家应该都和我一样,经常看到类似于《XXX入职大厂数据分析师,年薪50W+》之类的标题。数据分析师的薪资真的有这么夸张吗?我特意去查了下上半年的数据:(数据来源:职友集)最近的数据显示,全...

cainiao_python的博客 670

【信息科学与工程学】计算机科学与自动化——第六十三篇 人机交互之前端交互参数知识库02

每个分支下又细分了四个关键方向,并按照“研究对象/焦点、基本问题、核心理论/概念、研究方法、应用/目标、前沿/发展”的框架进行阐述,严格遵循了六级编码体系。在最终整合时,应建立唯一的学科分类编码表(例如,用两位数字或“ART”、“MED”、“ECO”等字母前缀),并确保所有下级编码(尺度、层次、类别、子类、具体项)的逻辑一致性。此回答中的编码为示例,实际系统需据此调整。控制过程(前馈、同期、反馈)、全面质量管理(TQM)、平衡计分卡(BSC)定量(调查、实验)、定性(访谈、民族志)、混合方法、大数据。

weixin_49199313的博客 675

写代码用什么显示器?2026明基 RD 编程显示器全场景测评

明基RD系列不只是一块用于显示代码的显示器,而是为每一位开发者打造的全天候编码伙伴。四款机型覆盖不同预算、工位、开发岗位,统一搭载专业编程优化与多重护眼技术,拥有赛事、国际认证双重实力背书。从清晨上班敲代码,到深夜加班排查bug,它始终温和守护双眼、简化繁杂操作、提升编码效率,用专业硬件与细腻体验,陪伴程序员走好每一段开发之路。

2601_96729074的博客 210

【信息科学与工程学】计算机科学与自动化——第八十六篇 各类应用上云计算 01

数字孪生:核心是实时性不等式(Δ<Δt)与带宽-精度权衡。数学上归结为带约束的非线性优化。预测性维护:从物理退化方程(Paris 定律)出发,结合贝叶斯推断,云端训练用深度时序模型,边缘推理用轻量模型。机器人协同:本质是多商品流 + 动态障碍物,需用图论(冲突检测)+ 最优控制(轨迹平滑)。工业视觉:延迟由四个环节组成,需用排队论分析流水线瓶颈,量化感知是降低延迟的关键。液压/气动系统上云(涉及流体力学、热力学、控制)机械臂力控/阻抗控制上云(涉及动力学、力/位混合控制)

weixin_49199313的博客 201

mall 电商项目完整部署---实战

mall 后端 SpringBoot,mall‑admin‑web 后台管理 Vue 前端,mall‑app‑sc 移动端 uni‑app 前端;修改数据库、redis、minio、logstash 地址,容器之间 link 别名:mysql 容器别名。🔔排坑:登录报跨域 / 接口报错,检查 prod.env.js 地址,确认 8080 后端服务正常运行。能打开页面,接口列表展示出来,后端部署完成。,所以打包的时候会自动构建镜像,很慢而且你暂时不需要。,容器数据持久化,删除容器数据不会丢失。

qq_63196465的博客 329

【AI 一文入门】从 Prompt 到 Agent,搞懂所有核心概念 + 大数据提效实战

本文系统梳理了AI应用开发的核心概念,从Prompt到Skill、Agent、RAG、MCP等技术的演进逻辑,构建全景知识图谱。通过对比分析与实战案例,揭示各技术的本质区别与协同关系,帮助开发者建立从0到1的认知体系,掌握AI应用设计的正确姿势。

zy123456nn的博客 304

第33次CCF-CSP认证考试 第一题 词频统计 满分题解

本人小白一枚,抱着学习的态度想到网上找一些csp的参考答案,但由于实力有限,大佬的代码大都看不太懂,于是萌生了想用一些简单,基础的语句完成csp前两题的想法并公开,以便与像我这样实力不强的同学交流学习,如有更好的建议,还请斧正,感谢!

qq_75242106的博客 1869

CnOpenData 线上招聘网站信息数据

CnOpenData线上招聘网站信息数据库是一个覆盖中国主流招聘平台、时间跨度长、更新频率高的劳动力市场需求侧大数据集合。本数据库汇集了,为学术界和业界提供了一扇实时观察中国劳动力市场动态的窗口。

CnOpenData_wj的博客 2628

HALCON深度学习模型部署新选择:一份详细的OpenVINO 2021.4 LTS集成与配置避坑指南

本文详细介绍了如何将HALCON深度学习模型与OpenVINO 2021.4 LTS集成,提供环境配置、硬件加速优化及故障排除的实用指南。特别针对Intel独立显卡的AI加速器接口进行优化,帮助机器视觉工程师提升AI推理效率,适用于工业检测等高要求场景。

weixin_42531779的博客 238

本地化搭建DeepSeek+RAGFlow,构建个人知识库

本地化搭建DeepSeek+RAGFlow,构建个人知识库。至少32G以上内存、500G以上空余磁盘空间。

gogospecter的专栏 7428

电竞、AI PC、智能招聘与虚拟医疗:四大技术趋势解析与实战指南

实时计算与低延迟网络是支撑现代数字应用的基础设施,其原理在于通过边缘计算、高性能网络协议和专用硬件(如DPU)确保数据处理的即时性与稳定性。这一技术价值在于为高交互性、高并发场景提供了关键保障,广泛应用于大型在线赛事、实时AI推理和沉浸式模拟训练等领域。数据智能作为核心驱动力,通过多模态数据采集、处理与建模,实现了从电竞战术分析到虚拟病人仿真的深度洞察。本文聚焦于电竞世界杯的技术基建、AI PC的硬件选型与配置、智能招聘的算法匹配以及虚拟医疗的数字孪生应用,结合反作弊系统、CUDA环境、TF-IDF匹配和生

weixin_33709609的博客 415

TwinCAT3与Matlab Simulink集成开发:如何快速生成和调试TcCOM模块

本文详细介绍了如何将TwinCAT3与Matlab Simulink进行深度集成,实现从控制算法模型到实时TcCOM模块的高效开发。通过环境搭建、模型配置、代码生成、系统集成与调试的完整流程,工程师可以快速将Simulink算法部署到倍福实时控制平台,大幅缩短开发周期并提升可靠性。

ik67890123的博客 224

Flink 学习日志 03:自定义一个SourceFunction,完成对Redis中数据的读取

本文介绍了在Flink中自定义SourceFunction读取Redis数据的完整流程:通过Jedis客户端连接WSL2中的Redis服务,编写RedisSource实现循环读取所有Key-value并逐条输出,结合Thread.sleep()实现每秒一条的流式效果。关键步骤包括环境准备、添加Jedis依赖、配置IDEA运行时加载provided依赖,并注意生产环境中应避免使用阻塞的keys *,改用scan命令。最终实现动态读取、实时打印,验证了Flink与Redis的数据集成能力。

木木的学习笔记 421

振动分析中相位的确定

更是定位不平衡量角度的关键。是确定振动信号与转子旋转位置之间时间关系的核心步骤,而。以内,以确保校正配重安装角度的有效性。在实际动平衡中,相位角的误差需控制在。在振动分析和动平衡中,

轩辕霸天L 2735

PX4从放弃到精通(二十七):固定翼姿态控制

固件版本 PX4 1.13.2欢迎交流学习,可加左侧名片。

超维空间科技的博客 6888

Day3 - Flink 窗口与时间语义:从滚动窗口到迟到数据处理

水位线是一个特殊的时间戳,代表"小于这个时间戳的数据都已经到齐了比如水位线推进到 10:00:05,就告诉 Flink:10:00:05 之前的数据应该都到了,如果还有晚于这个时间到达但时间戳小于 10:00:05 的数据,就是"迟到数据"。窗口大小固定,窗口之间不重叠,数据只属于一个窗口。时间线: 0 10 20 30 40 50 60窗口1: [--------)窗口2: [--------)窗口3: [--------)窗口4: [--------)

YEEMOLY的博客 249

2024年03月CCF-GESP编程能力等级认证Python编程五级真题解析

下面流程图在yr输入2024时,可以判定yr代表闰年,并输出 2月是29天 ,则图中菱形框中应该填入( )。 A. (yr % 400 == 0) or (yr % 4 == 0) B. ( yr % 400 == 0) or (yr % 4 == 0 and yr %100 != 0) C. ( yr % 400 == 0) and ( yr % 4 == 0) D. (yr % 400 == 0) and (yr % 4 == 0 and yr % 100 != 0)

人生就是一个不断学习的过程 746

智能问诊的流程

本文介绍基于FastAPI构建的医疗多Agent系统MediAgent,通过症状分析、诊断推理与治疗建议等模块协同,实现从问诊到报告生成的完整工作流。系统采用前后端分离架构,结合MySQL、RabbitMQ与Docker实现工程化部署,支持异步化验结果接入。虽当前状态暂存于内存,但已具备可扩展性,未来可通过Redis持久化、消息队列联动及医疗安全机制完善,应用于慢病管理、辅助决策等场景,推动AI在医疗流程中的落地应用。

Joey 的工作空间~ 774

贝叶斯(Bayes)决策理论

在博文【模式识别PR和模式的概念】介绍了相关的模式识别与模式的概念。在本节描述所要讨论的问题之前,再提一下对于待识别的物理对象的描述问题。假设一个待识别的物理对象用其d个属性观察值描述,称之为d个特征,这组成一个d维的特征向量,而这d维待征所有可能的取值范围则组成了一个d维的特征空间。一般地,机器实现自动分类有两大类方法:一种是模板匹配方法,另一种是对特征空间划分为子空间(每类的势力范围)的方法。

松子茶的专栏 3万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

行业研究报告采购避坑指南:从需求拆解到机构选型的实操逻辑

先说结论:买行业研究报告这件事,坑不在“哪家便宜”,而在“你拿到的数据能不能回答你的问题”。作为一个经常帮企业做采购决策的顾问,我见过太多花了几万块买回一堆PDF却用不上的案例。这篇文章把采购流程拆成五步,每一步告诉你该看什么、该避什么,尽量帮你少交学费。

2601_96585642的博客 224

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

大数据与审计专业哪些证书企业比较认可?

大数据与审计专业选证书,首先要明确就业方向:是进入会计师事务所做财务审计,还是进入企业从事内部审计、风险控制,或向数据审计、信息系统审计发展。不同岗位看重的专业能力不同,证书的价值也应放在具体招聘要求中判断。面向2027年的求职与备考规划,值得重点考虑的有六类:初级会计专业技术资格、注册会计师、审计专业技术资格、CDA数据分析师、国际注册内部审计师和国际注册信息系统审计师。选择时,宜采用“财审基础+数据能力+岗位专长”的组合,而不是单纯追求持证数量。

YangYang9YangYan的博客 295

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

深入浅出聊聊 Linux 的 PageCache 与系统极致性能

本文深入浅出解析了 Linux PageCache 的核心机制,揭示其如何通过“延迟写、预读读”提升系统性能。以监控告警为切入点,阐明 free -h 中 buff/cache 并非真正占用,真正可用内存由 available 决定。结合 Kafka、Elasticsearch、MySQL 等实战场景,说明中间件如何依赖 PageCache 实现极致性能。强调不可手动清理缓存,并建议合理调优脏页参数,避免卡顿。最终指出:内存满≠危机,而是系统高效运行的体现。

小小默:进无止境 483

ubuntu安装hadoop系统

本文详细介绍了基于VMware克隆虚拟机搭建三节点Hadoop分布式集群的全过程:使用同一Ubuntu镜像克隆出master、worker1、worker2三台虚拟机,依次配置主机名、固定IP(如192.168.82.10/11/12)、SSH服务及免密登录,确保节点间网络互通。随后安装Java,下载配置Hadoop并分发至各节点,最终初始化启动集群,验证其存储与计算功能,实现高效的大数据环境部署。

qq_43592674的博客 336

Elasticsearch:稠密向量字段类型

dense_vector字段用于存储稠密向量,支持k近邻搜索(kNN),默认启用索引并使用余弦相似度。可接受浮点数数组或Base64编码字符串输入,支持自动量化(如int8、int4、bbq)以降低内存占用。通过index_options配置索引类型(如hnsw、bbq_disk),并可启用过采样与重新评分提升精度。向量默认不存储于_source中以节省空间,可通过fields或_source.exclude_vectors显式返回。支持bit向量及GPU加速索引,适用于高维向量场景。

Elastic 中国社区官方博客 287
上一篇: Python为什么这么火,30岁转行学Python值得吗?
下一篇: 我90后,零基础成功转行大数据分析师,从月薪4K到现在月入2W+!改变真的难吗?
黑客老许
博客等级 码龄8年 6153粉丝 1028原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值