下面我介紹一下自己和身邊同學的情況。

我今年剛從某985大學數學專業本科畢業，下學期在本校計算機專業讀研。然後我身邊也有很多同學選擇了本科畢業直接參加程式設計方面的工作，但是他們找的工作相對於計算機專業本科畢業的學生來說是比較不如意的。不如意在哪呢，比如說公司的知名度、業務型別、福利待遇等等。

當然可能你會說作為一個剛畢業的本科生，工資肯定給不到那麼高。但是作為一個想要全面發展然後有所成就得人來說，難道你不想要更寬廣的天空嗎？所以在選擇工作的時候一定要想清楚。我身邊的同學最高的工資不過8k，最少的只有5k多一點。至於說進這些外包公司需要多少能力，我可以這麼說基本不需要特意準備什麼，因為我身邊的同學很輕鬆的就面試過了。當然，這也註定這些公司不是最好的選擇。而計算機本科畢業的同學，很多華為、小米、京東、美團等比較有名氣的公司，福利待遇不用我說，也肯定能學到很多東西。

這得益於計算機專業本科的時候確實學了很多課，比如編譯原理，計算機網路，計算機作業系統，資料結構等課程數學專業本科階段是無法接觸到的。如果你資質不錯然後也勤奮努力的話，那麼你可以在學習之餘多去蹭蹭計算機專業的課程，多參加ACM大賽之類的。這對你的程式設計水平提高有著莫大的好處。

我認真分析了自己的情況，因為我不是一個勤奮的人，所以我選擇到計算機專業讀研。一來可以多拿一個學歷證書，二來可以趁這段時間多學一些相關知識。以上便是我的一些見解，還望各位見仁見智。

數學專業轉行學計算機應該說很合適。我女婿本科南大物理系。全獎去美國雪城大學物理系讀博。讀了二年，感覺物理就業等很困難。轉學計算機。四年拿了物理和計算機雙碩士。在三星和臉書各工作了兩年。今年五月進了谷歌

如果你數學非常牛逼的話，看一遍演算法跟資料結構去面試吧。自我介紹就說一句話:我一個頂你們5個，只要2份工錢。。。

數學專業轉到計算機是很適合的，數學專業的本來邏輯思維就不錯，計算機裡的演算法，資料結構等理解起來也不是很難，學起來很容易上手，另外你在學校裡學過C語言，那學起來更加簡單了；

系統的學習一下會更好，不至於走彎路，更加了解企業的用人需求，需要學到什麼程度才能到達企業的需求；

目前企業用的最多的就是Java和.Net 了，.NET學起來稍微要比Java簡單一些，學習週期也沒Java的長，以前學習.Net的時候是在“ 如鵬網 ”上面學習的，目前國內.NET最好的就是如鵬網了，Java也很不錯，可以根據自己的時間來靈活安排學習進度，有更多的時間來練習專案，掌握的更紮實，有問題隨時提問，老師實時答疑，有技術大牛親自授課，口碑不錯，基本上都是 慕名而去的，具體的可以到如鵬網官網上去了解一下，

數學專業目前想轉行學計算機建議可以考慮往人工智慧和機器學習方向轉，人工智慧和機器學習可以說是最近幾年最火爆的研究領域。人工智慧和機器學習涉及許多數學學科，最主要的就是機率統計理論，矩陣理論，以及運籌學等，作為數學專業的人轉行到人工智慧和機器學習領域是非常合適的，與程式設計師不同，人工智慧的研究更偏向理論性和不是碼程式碼，因此是一個很好的選擇。

人工智慧是是計算機科學研究領域的一個重要分支。人工智慧是眾多學科的一個交叉學科，關於人工智慧並沒有一個統一的定義，我們可以理解為人工智慧就是利用機器來模仿和執行人類大腦的智力行為，開發一個能夠在人類現實環境下做出反應和行為、不斷學習知識、能夠從一個新生兒變得越來越聰明的系統或軟體。人工智慧包括眾多的分支領域，比如大家熟悉的機器學習、自然語言理解和模式識別等。

機器學習屬於人工智慧研究與應用的一個分支領域。機器學習的研究更加偏向理論性，其目的更偏向於是研究一種為了讓計算機不斷從資料中學習知識，而使機器學習得到的結果不斷接近目標函式的理論。

機器學習，引用卡內基梅隆大學機器學習研究領域的著名教授Tom Mitchell的經典定義：

如果一個程式在使用既有的經驗E(Experience)來執行某類任務T(Task)的過程中被認為是“具備學習能力的”，那麼它一定要展現出：利用現有的經驗E，不斷改善其完成既定任務T的效能(Performance)的特質。

你可以簡單地理解為，機器學習為資料探勘提供了理論方法，而資料探勘技術是機器學習技術的一個實際應用。但在這一應用中存在一個很重要的問題需要資料探勘專家解決，因為傳統的機器學習演算法多是為了處理中小規模的資料而設計的，但資料探勘面臨的往往是海量的資料，如果直接使用機器學習的演算法可能並不一定能得到令人滿意的效果，因此需要資料探勘專家針對具體的問題對機器學習演算法進行改造和最佳化。

其次，在進行資料探勘時，如何管理海量的資料，這就需要用到資料庫的資料管理技術。

因此，資料探勘技術可以簡單看作是運用資料庫提供的資料管理技術來獲取資料，然後再利用改造後的機器學習方法對獲取到的資料進行學習，學習的結果可以對未來進行預測。

資料探勘過程

作者曾經寫過系列《想要學人工智慧，你必須得先懂點統計學》，共14篇文章，詳細內容可以到作者主頁檢視，主要向大家介紹了在學習人工智慧和機器學習之前有必要掌握的一些基礎統計理論，這些統計理論將有助於後續理解相關的機器學習演算法和對資料探勘結果的解釋。

主要是機器學習過程的運算都是以矩陣的形式進行，因此需要掌握的矩陣理論的主要知識有，矩陣的基本運算，矩陣變換和線性空間以及矩陣求導等。

因為機器學習中的很多問題都是凸最佳化問題，比如支援向量機SVM，因此，需要學習一些運籌學當中最佳化問題求解的演算法，瞭解機器學習中的最佳化問題，求解凸最佳化問題的演算法以及更有深度當然就是非凸最佳化問題。

《「上」人工智慧，機器學習，資料探勘，資料分析和深度學習到底什麼意思，它們之間又有什麼區別和聯絡？》

《「下」人工智慧，機器學習，資料探勘，資料分析和深度學習到底什麼意思，它們之間又有什麼區別和聯絡？》

《想要學人工智慧，你必須得先懂點統計學》系列文章學習目錄

對於數學系的學生轉做計算機，確實是有一定的優勢，因為無論是電腦軟體，還是硬體，其背後的邏輯都是基於數學演算法。小到1+1=2，大到系統任務管理分配，其中都涉及數學演算法。

雖說數學基礎會成為轉行計算機的一個優勢，但只是個優勢，只能幫助更快、更好地去理解程式設計過程中的演算法和邏輯，但計算機程式設計還是需要從基礎學起，還要靠時間把技術磨練出來。

講到這裡，還希望樓主要明確一下自己的興趣和方向。因為計算機很大，你只能做一塊。為什麼這麼講的，大家都知道，計算機可以分為前端、後臺、資料庫、資料處理等多個模組，所以在確定轉行的時候，一定要懂得往哪個方向發展。

方向那麼多，那該怎麼挑。由於個人也是畢業於數學系，目前從事著與資料相關的工作，所以個人會比較推薦資料類、人工智慧的方向進行轉型。怎麼說呢？

首先是大環境下，大資料和人工智慧是目前計算機人才薪資較高的就業方向，據不可靠資料表明，大資料領域和人工智慧領域1年工作經驗的薪資水平已經達到了1萬左右，換句話說，剛畢業出來能從事這個行業的薪資水平都不會太低。

其次，技術型人才缺口大，作為新興領域的技術需求，大資料與人工智慧的技術人員遠遠不足以滿足當前企業的預算，還是據不可靠資訊瞭解，當前國內該領域的技術人才缺口已經達到了400萬，個人也相信，隨著時間推移，大資料與人工智慧概念繼續加深，這個缺口還會不斷放大。

再者，這個技術人才的缺口主要在網際網路大公司，如BAT等，都是機會。

----建議分割線----

1、先確定好自己的轉行方向；

2、上網找對應的課程進行學習；

3、多看書，比如《程式設計珠璣》、《具體數學》等計算機型別的書籍，如果是在演算法和程式設計方面都會有極大的幫助。

隨便挑兩門語言學就行了。當你在計算機專業待久了，你會發現其實就是應用數學。我讀計算機，但研究生主要用到的卻是隨機過程、排隊論等。程式設計最多做做模擬，出不了大文章。以上主要是指搞學術。其他行當未必。