目前VR和AI一般都是巨頭或科技創業公司在做，非常注重研發，一般都是都是新理論的提出者帶著一幫小弟出來做，如果樓主和學術界太遠的話就基本不用考慮這兩個了。大資料的概念太大了，如果你的興趣點是DB的開發，那國內的Pingcap(產品是TiDB和TiKV)做的很好，雖然他們用的是go語言，不過語言什麼的學一下就好了。Go語言已經在改變大資料計算技術了。在用C++編寫的Mesos挑戰Java編寫的Hadoop之後，Google今年夏天開源了用Go寫的Kubernetes。YARN、Mesos、Kubernetes的目標都是實現一個分散式作業系統，在此之上，大家可以相當容易地根據各自的問題，設計和開發獨到的平行計算框架，而不是死板地將自己的問題套進MapReduce或者Spark來求解——MapReduce和Spark再好，也不能適合所有有價值的演算法。Kubernetes是上述技術中最接近Google Borg的，也是唯一一個全面考慮了“大規模分散式系統執行前需要部署”、“執行後需要移除”、“執行過程中需要能有限制地訪問本地資源”這三個核心問題的。如果你的興趣點是社交推薦和圖挖掘，那需要把這部分理論補一下，把常用的workflow和lib熟悉起來，特別是Spark要重點學一下，很多做大資料的就是靠玩Spark。反過來說，你如果只是想做下User-Oriented的應用，比如最後的UI，前端什麼的，那就和公司的性質沒關係了，核心業務你看不懂，別人也不會讓你參與。
目前VR和AI一般都是巨頭或科技創業公司在做，非常注重研發，一般都是都是新理論的提出者帶著一幫小弟出來做，如果樓主和學術界太遠的話就基本不用考慮這兩個了。大資料的概念太大了，如果你的興趣點是DB的開發，那國內的Pingcap(產品是TiDB和TiKV)做的很好，雖然他們用的是go語言，不過語言什麼的學一下就好了。Go語言已經在改變大資料計算技術了。在用C++編寫的Mesos挑戰Java編寫的Hadoop之後，Google今年夏天開源了用Go寫的Kubernetes。YARN、Mesos、Kubernetes的目標都是實現一個分散式作業系統，在此之上，大家可以相當容易地根據各自的問題，設計和開發獨到的平行計算框架，而不是死板地將自己的問題套進MapReduce或者Spark來求解——MapReduce和Spark再好，也不能適合所有有價值的演算法。Kubernetes是上述技術中最接近Google Borg的，也是唯一一個全面考慮了“大規模分散式系統執行前需要部署”、“執行後需要移除”、“執行過程中需要能有限制地訪問本地資源”這三個核心問題的。如果你的興趣點是社交推薦和圖挖掘，那需要把這部分理論補一下，把常用的workflow和lib熟悉起來，特別是Spark要重點學一下，很多做大資料的就是靠玩Spark。反過來說，你如果只是想做下User-Oriented的應用，比如最後的UI，前端什麼的，那就和公司的性質沒關係了，核心業務你看不懂，別人也不會讓你參與。