我想你已经对应用数学有足够的了解了。您可以根据需要提取其余部分。

一种选择是：

1. 从提供机器学习和算法类型的高级概述的在线课程开始（例如：https ://www.coursera.org/learn/machine-learning ）
2. 尽快开始将知识应用到现实世界的问题中。
3. 学习各种类型的神经网络（deeplearning.ai 是一个起点）
4. 将知识应用于现实世界的问题（如音频/视频分类、自然语言）
5. 获得实习机会

这将需要 5 - 6 个月。

由于市场急需人才，而且有很多人完全没有受过正规培训，也没有统计学背景，你已经完全有资格旋转这个炒作并称自己为“数据科学家”。

我不是在开玩笑。只要做一些免费的在线课程，你就会发现你可以做他们要求的一切。数据科学是关于流行语宾果游戏，而不是擅长统计而不擅长编码（不幸的是）。

如果你不想觉得自己是个冒名顶替者，我建议如下：从 sklearn、R、Weka、ELKI 等大型工具包中找到一些仍然缺失的重要算法。实现它，并将其贡献给一些开源工具包。然后你可以在简历中称自己为“sklearn 贡献者”，这让你领先于 90% 自称数据科学家的人。与其他数据科学家/机器学习者使用的编写代码相比，有什么能让你成为更成熟的数据科学家/机器学习者？