之前提到一个员工是工程方向出身，现如今，不到半年的时间，华丽转身，工程和算法工作两不误，虽说还没到精通常用算法的地步，但是根据工作需要，可以做到，需要做哪方面算法工作，随时可以快速学习理解算法，快速上手应用。那么工程转算法到底难不难呢？本文给想从工程方向转入算法方向的同学一些参考。
先说结论，确实挺难的，入门算法方向是有门槛的，但也不是一点机会都没有。
首先，要有一定的数学基础，主要包括导数、对数、线性代数、概率论与数理统计等。什么是奇异值分解？什么是高斯分布？这些都是算法方向入门的基础。这一步可能会让数学基础已经忘光的人止步。要我说其实没必要害怕，花时间补一下基础，常用的理论知识就那些，很快就可以掌握。
其次，有了数学基础还不够，还需要学习机器学习的基础知识，比如损失函数、目标函数、梯度下降等，还有各种基础算法，比如K近邻、支持向量机、决策树、贝叶斯、随机森林、神经网络等。这一步是算法入门的关键，理解算法的基本思想，公式推导过程，清楚算法应用的场景。掌握了这些，可以说一只脚已经踏入了算法的大门。这里推荐吴恩达的机器学习视频课程，在网上都可以搜到，就不放链接了。
再次，根据算法知识的实际应用。这一步也比较重要，有了理论知识，不实际尝试是不行的。这一步要结合自己的工作去找到业务中可以应用算法的场景，然后就可以去尝试了。在这之前，要与领导充分沟通，让领导认可并允许这种尝试。如果工作中找不到可以应用算法的场景，可以从开源网站上找一些算法来练手，不过效果会大打折扣。
最后，根据工作中从事业务的方向，又分为推荐、NLP、图像等，各个业务方向都有一些经典的模型，花时间理解与掌握这些经典模型，是算法进阶的重要手段。
再来说说身边这位从工程转算法的同事。他在工程方面有较好的基础，能用编程方式解决的事情，绝不用其他方式解决，是不可多得的热爱编程的人。据我了解，他每天晚上花两个小时的时间学习，大概用了4个月的时间入门机器学习，可以说是功夫不负有心人。这期间也走了一些弯路，从一开始捧着高等数学，把数学知识重新翻一遍，到后面看吴恩达的课程，逐渐找到感觉，再到工作中算法应用的实践，获得了一些正向反馈，慢慢步入正轨。
这个例子属于工程底子比较好的人从工程转算法，如果工程底子没那么好，是不是就更难了呢？明确要转算法方向的目标后，我觉得有以下几点：
首先，制定学习路线。通过与算法同学交流或上网查阅，了解要学习哪些课程，减少走弯路的情况，毕竟自己的时间很宝贵，能少走一些弯路就少走一些。
其次，学习的过程中，有问题多咨询身边的算法同学，以及多上网查阅。这个环节也挺重要，其实大部分问题都需要自己上网查阅找答案。如果有人可以咨询更好，可以提高效率，减少大量的时间。
最后，坚持。从身边这位同事的经历能看出，转型的过程也不是一帆风顺的，走了一些弯路，但是执行力到位了，坚持下来了，就能有所收获。
所以，有没有工程底子不是最关键的，最关键的是学习路线+坚持。
我们常用“能耐”一词，表示一个人能不能做成事。“能”是能力，聪明人往往能力强；“耐”是耐烦，不怕麻烦，锲而不舍。通常人们会高估了“能”，低估了“耐”。有句俗话说得好，有能无耐，终久必败；有耐无能，终久必成。
希望本文能对你有所帮助，关于工程转算法有任何问题可以留言或私信我。
