1. 建议学编程的：半路出家不靠谱，编程需要很多基本功的，半路学的怎么和毕业生竞争？
2. 建议fintech的machine learning, deep learning，neural science，block chain：这个学科太深了，比第一条建议还不靠谱。并且这个前沿学科在美国天朝还可以，在坡坡没戏。
这两条都是hardcore程序员的路，半路出家，加上年龄因素，建议放弃。

我觉得可行的路
1. 去上大数据的专业，做个data analyst, 相对比较容易上手
2. 做软件咨询行业，比方说SAP, Murex,这些在application level的，比hardcore编程容易上手。也能靠近金融，也算fintech
3. 网络相关的ccna, ccsp, pentration test之类的，做网络安全专家。比编程容易上手。

说机器取代人的，明显是不懂行。比方说很多人说会计软件会取代会计。事实上是要处理的数据越来越多，不够人手，软件只是让原来的会计可以处理更多的数据。并且做软件的需要程序开发，需要运营维护，有做不完的工作。

所见略同

零基础两年转hardcore程序员，就算在美国我也不信。
转第二类的，软IT, 那你说的对。

遇到专家了，聊爆了

大部分平凡的人还是走第二天路比较好，soft IT.

我对hardcore编程的定义是，java, c++这些语言为工具，搞软件开发的。或者设计尖端领域，例如机器学习，block chain等等。

Soft IT的定义，应用软件进行数据分析的，软件咨询业（做软件的配置层面的客制化），presale, sales, 客户支持，乙方产品经理，甲方的业务分析（business analyst）, quality assurance0, 运维，数据库维护，网络安全，audit。可以涉及到很多行业。这类人不需要写程序，只需要懂IT,加懂行。

BA和data science完全不一样，不存在打压空间的问题。做个场景描述：
公司有一套业务流程，需要软件帮他自动化，BA是要把这套流程搞明白，提出软件解决方案，然后交给程序员开发，或者交给软件公司做客制化。
data science的应用也有很多场景，比方说电商需要分析客户消费习惯等，那数据分析可以帮电商调整营销方案，推送相应的广告等。一种数据分析是用软件，当然软件可能来自乙方，也可能是内部开发。二是把数据分析直接应用到业务流程里，那么做这个分析把业务流程转化成软件方案的也是BA.