我是数学博士。毕业后有兴趣作为数据科学家进入该行业的学生。在提出问题之前，我将简要介绍一下我的教育背景，以便更好地理解：
数学课程：
这主要是纯数学：拓扑、泛函分析等，但也包括更多应用的（我专门针对论文）：凸优化、非线性规划、数值分析、线性规划、多目标优化。此外，我现在对推理统计的了解为 0，但我对概率论很有信心。
编程：
我刚刚参加了为期一年的学士学位课程，但主要是数学和一些 Java，老实说我什么都不记得了。在本课程中，内容不包括任何数据结构或算法的设计和分析，也不包括数据库管理系统。我还自学了 Matlab，用于在学士论文中实现算法。
上述背景是在学士和硕士课程期间。现在，在博士期间。程序，我发现机器学习（对我来说）是非线性优化、编程和现实世界中的应用程序之间的完美结合，即它在理论上很有趣和面向应用程序。这就是为什么我对进入工业界如此兴奋的原因。因此，在过去的 3 年里，我开始自学（在我小小的空闲时间）。
学到的东西的简短摘要：
Python：我很擅长实现优化算法，使用 jupyter notebooks 和 numpy 库（事实上，我必须在论文中这样做），以及在 pandas 中执行基本的数据操作和清理任务。这是我在一个名为 dataquest ( https://app.dataquest.io ) 的平台上在线学习的。但是，我认为我没有足够的知识来通过数据结构和算法的面试（见上文）。
机器学习：我在大学学习了该主题的硕士课程（因为我在德国，我们没有博士课程，所以这都是我个人的时间），我真的很喜欢。主题包括：k-NN、PCA、SVM、NN 等。
本学期参加数据库课程，重点是 SQL。
本学期在 Coursera 上学习深度学习专业。
最后，我想说我觉得自己完全有能力学习这些主题。事实上，随着时间的推移，我打算参加更多的在线研究生课程（例如，斯坦福 CS231N、CS234 等），因为在我看来，在线课程可能不够严谨。希望在防守之后，我能够全神贯注于此。
因此，问题：
我现在还能被录用吗（我的意思是，在完成本学期的上述知识之后）？老实说，我认为我还没有准备好，但我有信心在一年内变得体面。
我是不是太天真地认为公司会给我机会？
在任何情况下，我应该怎么做才能变得更受欢迎？