我个人不建议你不要走那条路。我同意前面提到的大部分观点，但我的结论略有不同：

在没有任何领域知识的情况下尝试进入数据科学领域值得尊重，这并非不可能。此外，仍然缺乏合格的数据科学家，我预计需求正在增长。

但是你应该考虑以下几点：

• 数据科学家可能是统计/IT领域需要最高教育水平的工作。问问自己这是否真的是你的目标。

• 如果您选择走那条路线，请注意这将非常困难。数据科学是如此多方面和跨学科，以至于有很多东西要学。即使你每天有几个小时的学习时间，恐怕也需要好几年的时间。能够作为数据科学家工作需要的不仅仅是学术数学知识。

• 你将不得不与 20 多岁的博士竞争，他们已经在出版和开展机器学习/数学/编程项目方面拥有多年经验。雇主可能会更喜欢他们而不是你。

如果您不在乎它会很痛苦并想开始学习，我会执行以下操作：

• 获得统计、编程和 IT 基础设施的基本知识。您应该熟悉 t 检验、ANOVA、回归和聚类/分类技术。您应该开始学习统计编程语言。对于初学者，我推荐R或Python。另一种高级编程语言的基本知识很有用。了解诸如面向对象编程之类的基本编程原则也没有什么坏处。我建议看一下 Java，因为有很多大数据工具，例如Hive、Hadoop或Spark是基于 Java 的框架。也看看这些框架。了解它们的用途。最后，您应该至少具备数据库的基本知识，并了解关系数据库和非关系数据库之间的区别。

• 不要在课程上花钱。互联网上充满了免费资源。只需考虑谁提供它们。有很多来自非常好的大学的讲师和教授提供在线课程或分享他们的讲座。

• 看书。再次：不要花钱。在互联网上搜索免费的高质量材料（例如，请参见此处）。

• 查看Kaggle等社区网站并参加比赛。这可能与您完成实际工作任务一样接近。

• 继续这样做几个月，然后再次问自己这是否真的是你想去的地方。如果是，请继续。

但实际上，这是我会尝试做的事情：

• 不要立志成为一名数据科学家。

• 考虑从与统计相关的工作开始（例如控制器、业务分析师、营销经理、游戏设计师等），然后逐步提升。我坚信这样的策略更有可能成功。

因为无论你在进入这个行业之前做什么，你都必须在工作中学习。

我不建议你走那条路。您是说您想学习几年，然后从初学者开始（除了初学者之外，您还可以从什么开始？或研究生课程）。但是请记住，到您 37 岁时，将会有 22 岁的人像您一样从初学者开始，他们的技能可能相当（尽管可能不是您的教育背景）。为什么雇主要雇用比他年长 15 岁的人？

为什么您还希望尽可能地吸引雇主？你认为这会导致雇主想要使用其他任何东西吗？你？你认为在你被使用后会发生什么——除非你确定它不会？您可能希望获得认可、报酬或职业发展的吸引力，但这三者并不能齐头并进。很难让他们得到同等的衡量，例如，通常为了在你的职业生涯中取得进步，你必须承担额外的风险，比如辞职，或者相反，为了获得更多工作的接受会降低你的期望。我不明白你为什么要对雇主有吸引力，并假设这会照顾你的成功，它不会，或者它可能不会。为什么不考虑为自己工作呢？找一份你可以实现独立的职业。特别是随着年龄的增长。

最后，我认为尝试在像数据科学这样的新领域建立职业是很棘手的，可以说是“移动的基础”，并且（对于某些人来说）定义不明确，主要是通过课程和大学学习。如果你没有计算机行业的背景，不知道你卖的东西的[未来]价值，你会怎么选择？有很多地方准备向您推销课程，并且许多地方会使用对未来成功或“专业精神”的生动描绘来吸引您（因为对于这些学院和学校来说，您是客户，当然他们想要/需要客户）。你怎么知道你不会花时间和金钱去学习那些完全没用的东西？为什么要上课？由于许多这些主题、学科和编程语言，可以免费在线学习吗？或者你是否认为在某个地方学习意味着那个地方会照顾你的事业，或者一定会给你一个良好的基础？为什么不去看看当今的数据科学家是如何走到今天这一步的呢？我想，如果你采访一些人，你可能会发现没有两条路是一样的。而且你不能模仿他们中的任何一个（因为他们开始时的工作不一定明天对你有用）。

对我来说，听起来你会比数据科学更擅长教学。这是因为你听起来像你喜欢学习，喜欢教书（我想提升自己和他人，我想），并且你说你有时间去做。除了你提到的哲学博士，我会尝试通过其他方式开始教学。也许可以单独或与合作伙伴开办自己的学院，并组织自己去教别人你已经知道的东西，或者你有能力学习的东西，或者教他们如何学习，或者至少如何努力（动机）。在我看来，这可能是一项更好的投资。