我是机械专业的想转计算机

我先来分析下这两个专业的背景和未来前景
机械行业，传统工业基础，我们国家一直在高度发展中，即使以后成为发达国家了，还是离不开机械行业，其地位仍然非常重要，中国发展靠什么，靠重工业，（现在还有地产），一切行业的基础。
从事这个行业的话，前几年薪水比较低，跟IT是没法比的，因为机械是以经验为主导的，前2年你很有可能吃干饭，大学里学的东西基本用不上，（90%的大学生荒废了四年，中国大学教育有多悲哀，你以后会知道的），对你有益的课程无非只有10门左右罢了。但是等到有8年左右的工作经验，你就吃香了，可以和IT工程师比肩，而且创业也不是很难。学机械，经验实践永远是第一位，你必须不断的学习 学习 再学习，也要有做好吃苦的准备，前3年真的很累，熬下来就是一片无限广阔的天空。
计算机行业，20世纪80年代开始高度发展，并且一直处于高科技领域的行业，你只要看看世界级CEO和老板，就会发现他们都是搞IT出生的，很多500强IT企业，只用了二十几年甚至10年的时间，就达到了500强企业的顶尖位置，著名的有微软 苹果 谷歌（谷歌仅仅12年的时间，现在已经世界品牌前10强了），中国著名的有百度 腾讯 ，（都只用了10年左右的时间），与传统制造业500强相比（像大众 宝马，西门子，历时都用好几十年，甚至一百多年的时间），发展速度简直是天壤之别，国外搞IT的工程师，哪个不是几十万，甚至上百万美金年薪，即使国内百度这样的企业，名校本科进去，直接15W+年薪，三年以上直接30W+，为什么像清华这样的顶级高校，顶级专业就是计算机专业，其原因就在上面。
关于行业的选择，的确你的兴趣很重要，要不你活的会很累，。我们在高考的时候，90%的学生根本不知道以后自己的兴趣在哪里，因为还没接触大学课程，都是一时冲动，纸上谈兵罢了。
如果你有很强的学习能力，IQ以及兴趣，建议你学计算机，因为其待遇是其他行业无法比的。（因为普通本科毕业生，在这个行业基本处于半失业的状态，薪水也很一般）
如果你对自己的能力不够自信，那么你踏踏实实学机械，前途一样是很光明的，但要肯吃苦。就业是没有问题的。
说了这么多也累了，给分吧。
顺便说一句，如果是女孩子，请放弃机械行业。

我不劝人转行，也不劝人留下。我只想说去控制自己能控制的部分。根据外部条件的变化，控制可控变量，实现目标。做新一代的机械人，学科交叉才是未来趋势。

如果说传统机械，那一定是夕阳产业，但是对于机械行业，我只想说，无论是物联网时代还是AI来临，这绝对不是夕阳产业。

回想学生时代学工图，建建模型，建模拿过某设计大赛的奖，大家是不是都感觉自己很牛，那种努力学习了，奋斗了，付出了，回报和收获的心情自然是愉悦和快乐的。

未来不管是物联网还是AI产品都需要有结构设计，你在设计一个结构的时候如何检测它的可靠性，凭经验么？凭的是计算，是分析，各种曲柄，转轴能带动多少的力和弯矩，扭矩，这凭的是经验么？凭的也是计算分析。现在是计算机时代了，同学们，用matlab，解矩阵，算模态，算有限元离散，都是需要机械工程师解决的问题。

要做新一代的机械人，好好总结过去经过时间的积淀和实践的印证的经验，把它转化成自己的优势，仔细想想个人的优势，结合目前行业的发展趋势和大环境，顺势而为。

新的时代，新的机遇，新的挑战，不能墨守过去的领地，需要积极学习新的知识，顺应时代发展需求，学科交叉才是未来趋势。无论未来物联网和AI如何发展，你都有立足之本，不会被时代淘汰。

一般而言，对于有专业基础(计算机、统计学、数学等相关专业)的同学，入行需要3个月以上的学习与准备时间；而对于非专业背景的转行者来说，入行可能需要更久一点，建议6-12个月的预留时间是合理的。而要成为一个熟练的大数据从业者，2-3年以上的项目和行业经验则是在所难免。
数据分析是一种工具，在金融、互联网、电子商务、公共服务、医疗健康等领域都有着广泛的应用。职位上，偏业务的，有数据分析师、数据产品经理、数据挖掘师等；偏技术的，有大数据工程师、架构师、算法工程师等。晋升通道，是业务主管/数据中心主任、CIO/CDO/CTO、VP、首席数据科学家。可见，数据分析对专业背景和知识素养都有相当的要求，再加之大数据在数学和计算机领域的交叉属性，从事大数据都有一定的门槛限制。
要不要转行？
要不要转行，实际上涉及到职业规划的问题。对此，曾有位哲人发表见解，”最重要的人际关系，是自己与自己的关系，知道自己要什么，不要什么“。这在转行问题上，也是一样。相对于10年以上的职业生涯，拿半年时间用来学习该项技能，还是挺划算的。
读到这儿，可能有人会说了，转行会让之前几年的经验积累统统作废。而实际上，小编认为不必过于担心，因为无论转到哪一行，社会经验和人生理念是都会发挥作用的。而之前的人际关系也类似“山不转水转”的问题，很难界定说哪类人际关系有用，哪类无用——基于这个道理，应全部视作有用。
人生的机会并不多，即使到了30岁，对大多数人来说，这也只是职业生涯的前半部分，完全不必缩头缩脑患得患失。要知道，不怕失去，才有可能收获更多。如果有了明确的发展规划，何不义无反顾地投入到新的开始呢？
如何转行？
明确了要不要转行之后，就又回到如何转行的问题上来了。
如果你尚未毕业，建议先打好基础，学好概率与数理统计、数值分析、多元分析、泛函分析、软件工程等，可以选修软件工程、数据库原理、一到两门编程语言；同时掌握分析工具（如spss/R/matlab）原理；有时间的话，可以参加一些数据建模方面的大赛，对自己能力提升和职业生涯会很有帮助。
如果，你已经是一个从业者。要想跨入数据分析师，也许很多情况下你只能从“工人”做起（这意味着在很大长一段时间内，你的工作内容都可能比较枯燥，做的也都是没有“技术”含量的内容），但当你慢慢成为“熟练工”时，随着行业知识和技能的积累，你也会走上“数据设计师”之路。开始从事“高大上”或更有技术含量的工作。
一、至少花三个月掌握技术 正所谓“磨刀不误砍柴工”，作为一个技术工种，至少花3-6个月的时间学习大数据分析相关基础知识，是不过分的。时间分配如下：
1、花1个月时间，学习数据库、sql知识，推荐《深入浅出SQL(中文版)》；
2、花1-2个月时间，学习基础的统计学知识，搜集统计学学习资料，列个统计学书单；
3、花1个月时间，学习最基础的数据挖掘模型，推荐《数据挖掘导论（PDF中文完整版）》；
4、花1个月时间，掌握一门基础的挖掘软件。 基础夯实之后，还要保持持续的学习能力。坚持学习各类知识，不仅限于技能层面。
二、选择感兴趣的行业
如果，你还没毕业。
可以在结合热门行业的基础上，分析自己的兴趣。选定一个行业后，可以通过互联网，熟悉所行业对应的商业模式。有机会，也可以参加一些同行的沙龙或分享，以了解该岗位的人都在做什么。并对比自己当前的知识储备，有针对性地补充知识。
如果，你已是从业者。
选择本行业或相关行业，会让你的行业经验和业务知识，更好地发挥优势。
三、开始寻找机会
对于跨行业转入的同学，当你做好上述准备的时候。就可以着手找个机会了：
1、内部转岗
2、选择中、小型公司，先入门，再修行。
几点建议
看书和看视频是学不会数据分析的。多参加一些项目，通过校内大赛增加实践机会，入行时候找一份能接触到数据的岗位（任何岗位都可以，市场、运营之类的职位很多）。
工具先从一个容易上手的学起，excel/spss/sql都可以，顺手就行，后续可以再学高级工具如R或者python。
终身学习： 前面已经讲过了，即便用一段时间掌握了大数据分析相关基础知识，也还是要在之后的从业生涯里，保持持续的学习力。
因为，大数据是一个实践性很强的学科，从实际工作中获取的知识和能力是学校里无法获得的，企业最终看重的，也是一个人的实际工作能力。你可以在学习社区通过分享和交流，补充课外知识和get新技能。

说个不喜欢听的，你是看到这些行业平均工资高吧！机械挺好的，饿不死，吃不饱，但工作机会多。磨具设计的真要精通工资也蛮高的。实在想转最好有熟人带一带，可以尝试从产品运营、策划，网络营销，seo什么的开始，不过seo有点过时了，产品运营、策划什么的一线城市机会多。实在想干纯技术方面的可以学学IOS,Android,net，网站开发。。。这些都是高薪行业，不过跨专业也不是那么好学的，最好先自学一段时间，看看喜不喜欢，等有个基础再报培训班，不然没学精出去没你想象的那么高工资，仅供参考！

---