先給出個答案，不可行。

我並不清楚是什麼理由，讓一個四十歲的人想從製造業轉行，也許是因為網上吹噓的很多大資料、人工智慧的高薪，也許是一個情懷或者夢想。

也不知道，這位兄弟到底是在製造業中處於哪個崗位，也許是銷售、設計、普通工人。

但是，無論如何，在40歲的時候去垮行業從零開始，都是不明智的，就更別說想要進入的是高新技術產業了。

我們就簡單分析一下如果要從事大資料或者人工智慧，需要哪些必備的知識吧。

先說大資料

大資料領域，其實也細分了很多不同的崗位，不同的崗位都需要不同的知識儲備，簡單的劃分的話，一般需要這幾種崗位：

業務資料分析師其實是介於業務和技術之間的一個橋樑，任何的資料都是透過業務的發生而沉澱下來的，那麼這些資料本身就包括了大量的業務邏輯。

因此，想要對資料進行分析，就首先需要知道業務，那麼業務資料分析師就必不可少了。

對於一個業務資料分析師來說，對於業務的理解力是絕對必備的，不同行業的業務邏輯都是不同的，所以沒有一定時間的沉澱，是很難對業務有一個通篇的理解。

其次就是資料視覺化和資料建模的能力，所以SQL是必須會的一個語言。

資料庫管理員就是我們常說的DBA，這個崗位主要是保證資料的安全和正常執行的。

對於資料庫管理員來說，熟悉伺服器命令，對於資料庫安全和備份有深刻的認識是必不可少的。

其次，分散式的計算、各種資料庫（SQL和NoSQL）都需要都充分的認識。

當然，在一些特殊情況下，程式語言和業務邏輯的理解也是需要的。

對於資料科學家來說，挖掘資料，找到資料的價值，並且透過各種演算法對資料進行最佳化，保證資料的高效處理，是他的基礎職責。

對於資料科學家來說，數學是非常重要的，而對於我們很多人來說，即使是程式設計師，其實都並沒有過多的對數學有深入的研究。

資料架構師其實是偏向於程式方面的一個崗位了，主要是針對資料管理系統進行設計、整合，保障資料來源的穩定。

這就需要相當豐富的資料架構，計算機相關的知識了，當然，一個架構師也不是一蹴而就的，肯定是需要相當豐富的實踐經驗的。

這就是我們常常說的程式設計師了，對一個程式設計師來說，程式設計、測試就是他最基本的工作了。而大資料相關的程式設計師，相對於一般應用程式的程式設計師來說，就需要對資料模型有更加深刻的認識。

大家都知道，程式設計師的生命週期其實並不長，35歲已經就開始走下坡路了。

產品經理，其實就是對於這個資料產品的應用進行負責的人。

一個產品應該如何應用，應該面向什麼樣的客戶，需要達到什麼樣的功能，如何讓使用者簡單高效的完成自己的目的。

這些都是產品經理需要完成的工作。

對於一個產品經理來說，他至少需要非常深入的理解產品的生命週期以及生命週期各個階段的任務。並且對於網際網路團隊的管理有一定的手段，能夠有效的保障產品在整個生產和研發環節中，能夠有計劃的完成目標並且不出現相應的安全事故。

當然，迭代作為網際網路的一個核心思想，也是一個產品經理需要了解透徹的。

對於大資料的領域，差不多就有這些崗位，但是這些崗位中，基本沒有一個崗位會需要一個40歲還是零基礎的員工。

既不是科班出身，也沒有年齡優勢，要知道，培養一個合格的大資料領域的人才，是需要消耗很大的成本和時間的，自然不會有公司願意將這個賭注放到一個40歲的人身上。

同樣，人工智慧作為現在很火的一個概念，需要的人才就更加的高標準，作為一個普通的程式設計師，想要跨界到人工智慧領域都難度非常的大，就更別說一個還不是IT領域的人了。

因此，40歲了，還是想想如何在自己所在的領域更上一層樓吧，別被莫名的金錢誘惑，也不要太理想化，內心只有情懷了。

四十歲正是在某個行業出成果的時期，可謂是年富力強的階段，如果一直在從事大資料、人工智慧領域，那麼應該已經是行業專家了。

這個階段從零開始進入一個全新的領域確實有較大的困難，尤其是大資料、人工智慧領域對專業性要求還比較高，通常都需要一定時間的積累。即使是一名剛畢業的計算機專業大學生也需要透過較長時間的學習才能做相應的工作，更何況是零基礎的人呢？

但是，大資料、人工智慧領域的產業鏈比較廣泛，涉及到的崗位也比較多，比如大資料就涉及到資料的採集、傳輸、儲存、安全、分析和呈現等一系列崗位，有的崗位對技術積累的要求並不高，相對來說還是比較容易入門的。

從行業經歷和年齡來看，四十歲比較適合做產品經理的崗位，由於對特定行業有深入的瞭解，所以更容易設計出適合的產品。做產品經理也需要學習很多行業知識，另外要培養自己的網際網路思維、大資料思維方式，這也需要一個過程。

總的來說，還是要謹慎選擇，如果已經下定決心，那麼就積極學習吧。

如果你有關於大資料、人工智慧方面的具體問題，也可以諮詢我。

可行的，但前提只要你真的喜歡程式設計。這個短期1年內不會出成果，如果你能堅持1年以上則有可能。在網路世界，學歷並不重要。一箇中專生李俊寫出的熊貓燒香病毒，則令金山360等防毒軟體淚奔。如果你能寫出一款應用軟體，大眾又特別喜歡，掙錢幾百萬並非沒有可能。這個最好的例子是臉書的馬克.扎克伯格。個人資產幾百億，大學輟學建立了臉書。你現在電腦上用的windows，也是一個輟學生比爾.蓋茨公司的產品。如果你聽這些有些激動，那不妨給自己一次翻牌的機會。學習的資源網上都有，如慕課，W3cschool，網易也有，騰訊也有，免費影片很多，還可以線上程式設計，無論是前端後端，各種語言都有。你要選擇幾種適合自己的語言，開啟程式設計之路。一個日本老太太，退休了才學的程式設計，編寫的遊戲大家也很喜歡。如果你給蘋果手機編寫的應用足夠好，上傳至蘋果應用商店，則別人下載你就賺錢，如果這個數字是百萬級的，你那時還想進廠熬夜加班打工嗎？沒試過怎麼又知道自己不行呢？！

首先，大資料，人工智慧新型領域，需要具備很強的理論基礎和實踐知識。小編很能理解題主的想法，現在社會是大資料，人工智慧時代，市場廣泛，前途光明。但咱們可以分析一下，大資料，人工智慧需要演算法最佳化，資料結構的理論知識，資料探勘的有效資訊，影象處理識別的基礎前沿。而且目前最先進的科研知識必須要從國外文獻裡學習到，國內市場的知識基本上相對於國外要落後，所以還要具備很強的英語功底

其次，從正常人體生長規律來講，40歲對人的平均壽命而言，雖然還是處於壯年，但對涉及科技領域而言，已經處於末尾了。思維學習能力，工作效率跟不上20多歲的小夥子。

最後，人到中年，生活家庭佔的比重就會多一點，考慮的因素也會很多。很難靜下心來研究一門比較深奧的學科。

人到中年之後，還能想到自己轉行，一般也只有兩種可能，一種是生活所迫，而另外一種就是興趣使然有了新動力。那麼人到中年是否還可以轉行，這就要取決於個人的性格以及毅力等方面的磨合。

首先，人在成長過程中，要不停的去格式化自己的生活。格式化看起來是一個簡單的比喻，但是真正操作起來會很麻煩，畢竟裡面的牽連很多，不是說做就能做的。必須有強勁的思維邏輯以及寬大的胸懷。

其次，人在成長過程中，要不斷的開啟原動力的大門。原動力看似是玄妙的存在，其實它就存在我們的血肉之軀裡面，是否開啟的了，主要看自己的審美意識以及思維變通能力。同時也要保持高度的自我清醒狀態。但是這個要求會有點高，不是每個人都能做到的。

最後，人生路程的質變，需要不斷的勇氣開拓以及智慧的挖掘，這是極其重要的。融入一個新領域裡面，既要保持本心，又要時刻為可能出現的新未知做好心理準備。

總而言之，踏足一個全新的領域，就要先置身於死地而後生，不能瞻前顧後（最好有穩定的經濟基礎做鋪墊）沒有準確的目標性。既然選擇了就要在新的領域裡面紮下根，把所有的心思融合進去，並且需要有著自我創新思辨的能力，否則只能成為新領域的隊尾，而不是排頭兵。正所謂“吃得苦中苦，方為人上人”，看似簡單的一句話，期間要付出的努力和辛勞數也數不盡。

人隨著年齡的增長，閱歷的加深。反而一步步的開始固化自己的世界觀和邏輯思辨能力，由此也開始影響到日後自己接觸外界以及認知的不相容。因此也就導致很多人的主觀意識中，人到中年就無法再重操新的領域來從零起步，大眾思維都會這樣，但是也會有比較另類的出現。希望您就是那個另類，但是也需要對自己的情況進行多次的評估，不要盲目的踏進去，最終滿盤皆輸的下場會打擊很重。

你想學我給你個百度雲盤，先學Java基礎，你能一個月能學完就算你行從記事本編碼開始教你。不會我自己學的時候都相當痛苦。一個普通一本大三學生留

大資料，人工智慧確實是方向，但是四十了忽然轉向全新的前沿領域，確實不那麼容易:

想要從零開始的話就先從相關行業的銷售做起，銷售是瞭解市場最直接的途徑，也是努力與回報最成正比的工作，而且銷售行業最能培養人才。

一邊上班，一邊利用好時間與機會，工作中向能接觸到的從事相關專業的人學，下班後利用網路等資源繼續學習。

在做銷售的學習過程中，掌握公司的詳細體系架構，明確自己到底適合做什麼，細分自己想要從事的領域。

接下來根據自己的細分領域，進行專業方向的學習，可以進行相關的培訓，或請教高人。

大資料目前已經得到了廣泛的應用，而人工智慧是未來的方向，這兩個的確都是未來的發展方向，國家也大力扶持人工智慧的發展，未來將進一步與實體經濟結合，但是想要在這個行業有所發展也有時間成本，爭取在三年成為內行。