大資料與人工智慧相輔相成，現在的APP基本上都是需要大資料和人工智慧作為支撐，分析使用者的愛好，拿現在大火的短影片APP來說，點贊關注的都是歷史類的小影片，今後系統就會給你推送歷史類的小影片較多，點贊關注寵物類的小影片系統，系統就會給你推薦寵物類的小影片，在使用購物軟體時也會發現搜尋過燈具，主介面推薦的都是關於燈具的連結，所以說大資料與人工智慧相輔相成，沒有好不好的說法。

這個怎麼講呢，這個就像問蘋果好吃還是橘子好吃一樣，不可以比較的，他們兩個是不同的概念，人工智慧需要大資料的支撐才能實現它對智慧的需求，而大資料就需要非常龐大的一個數據流量進行整理綜合比較，對於大資料的收集又與人工智慧分離不開，這兩個根本不在一個平行線上，沒有可比較的點，換個方面來說，大資料和人工智慧，合則兩利分則兩弊！――喜歡這方面的可以新增關注與我進行討論，互相成長

沒有大資料在後臺驗算，歸納，人工智慧就是廢銅爛鐵。尚處嬰兒時期的人工智慧，畢竟還沒發展到能自主進化的階段。

大資料技術主要是圍繞資料本身進行一系列的價值化操作，包括資料的採集、整理、儲存、安全、分析、呈現和應用等，其中資料分析是大資料價值化的重要步驟。大資料技術與物聯網、雲計算都有密切的聯絡，物聯網為大資料提供了主要的資料來源，而云計算則為大資料提供了支撐平臺。

人工智慧雖然經過了半個多世紀的發展，但是目前人工智慧依然處在初級階段，人工智慧主要的研究領域集中在自然語言處理、知識表示、自動推理、機器學習、計算機視覺和機器人學等六個方面。人工智慧是典型的交叉學科，涉及到哲學、數學、計算機、經濟學、神經學、語言學等諸多領域。

近些年來，隨著大資料的發展，人工智慧也迎來了全新的發展機遇，尤其是機器學習領域。得益於豐富的資料支撐，機器學習（包括深度學習）得到了廣泛的重視，在自動駕駛、智慧物流、智慧醫療等領域有廣泛的應用。從這個角度來看，大資料和人工智慧的關係是非常緊密的，可以說大資料是人工智慧的重要基礎。

目前不少人工智慧領域的從業者也有過大資料行業的從業經歷，比如在做大資料分析的過程中往往會接觸到機器學習，因為採用機器學習的方式進行資料分析是目前一個比較流行的做法，而機器學習又是人工智慧領域的主要研究內容之一，所以大資料與人工智慧之間的界限正逐漸模糊。

從學習的角度來說，從大資料開始學習是不錯的選擇，一方面大資料相關技術已經趨於成熟，另一方面大資料相關技術目前正處在落地應用階段，隨著產業網際網路的發展，未來大資料將有較大的發展空間。

大資料是用來歸集，清洗，資料集中化儲存的基礎，可以進行資料分析，呈現，提供相應的決策資訊，人工智慧是基於大資料去學習，不斷成長，大資料儲存分析後得到結果，由人工智慧去學習，去透過結果進行預測或者提供解決這個結果的多種合理方式。

都是相對比較寬泛的兩個概念，資料和人和使用者體驗結合在一起，才會更有溫度，資料才不會顯得太空洞，我之前在中科院上的大資料心理學的課程，現在這個課程進行了最佳化，感興趣的同學可以關注

想了解大資料與人工智慧孰優孰劣，首先我們得從認知和理解大資料和人工智慧的概念開始。

1、大資料

大資料是物聯網、Web系統和資訊系統發展的綜合結果，其中物聯網的影響最大，所以大資料也可以說是物聯網發展的必然結果。大資料相關的技術緊緊圍繞資料展開，包括資料的採集、整理、傳輸、儲存、安全、分析、呈現和應用等等。目前，大資料的價值主要體現在分析和應用上，比如大資料場景分析等。

2、人工智慧

人工智慧是典型的交叉學科，研究的內容集中在機器學習、自然語言處理、計算機視覺、機器人學、自動推理和知識表示等六大方向，目前機器學習的應用範圍還是比較廣泛的，比如自動駕駛、智慧醫療等領域都有廣泛的應用。人工智慧的核心在於“思考”和“決策”，如何進行合理的思考和合理的行動是目前人工智慧研究的主流方向。

3、大資料與人工智慧 孰好孰壞

大資料和人工智慧雖然關注點並不相同，但是卻有密切的聯絡，一方面人工智慧需要大量的資料作為“思考”和“決策”的基礎，另一方面大資料也需要人工智慧技術進行資料價值化操作，比如機器學習就是資料分析的常用方式。在大資料價值的兩個主要體現當中，資料應用的主要渠道之一就是智慧體（人工智慧產品），為智慧體提供的資料量越大，智慧體執行的效果就會越好，因為智慧體通常需要大量的資料進行“訓練”和“驗證”，從而保障執行的可靠性和穩定性。

目前大資料相關技術已經趨於成熟，相關的理論體系已經逐步完善，而人工智慧尚處在行業發展的初期，理論體系依然有巨大的發展空間。從學習的角度來說，如果從大資料開始學習是個不錯的選擇，從大資料過渡到人工智慧也會相對比較容易。總的來說，兩個技術之間並不存在孰優孰劣的問題，發展空間都非常大。

這裡的好，我從兩個方面進行對比，一個是就業前景，另一個是個人未來職業發展。

在就業前景方面，大資料相關的崗位偏向於工程化，人工智慧相關崗位偏向於演算法化。如果你在演算法以及數學方面比較薄弱，大資料對於你來說，就業前景會更好。

如果你個人不喜歡工程開發，同時你上學期間數學方面底子就很好，同時對機器學習相關的演算法很感興趣，也樂於去研究。那麼你從事人工智慧領域，對你未來的發展會更好。

我研究生期間，學習的專業是資料探勘，這個專業屬於人工智慧領域。人工智慧領域在日常工作中使用機器學習演算法比較多。但我最終在校招找工作的時候，還是選擇投遞大資料相關的崗位。

當初我也在選擇人工智慧還是大資料方面想了很久，最後覺得自己在機器學習方面沒有優勢，自己不適合人工智慧領域，同時自己對機器學習方面的演算法不感興趣，還是喜歡從事工程類開發。

而且，大資料崗位是一個偏經驗的崗位，而人工智慧還比較看重學歷，可能你幹了很久的演算法工程師，最後來了一個博士或者博士後，那麼他就成了你的主管了。所以我最後選擇大資料崗位。

所以在就業前景方面，還是要結合個人的實際情況來看，如果你也對機器學習演算法不是很感興趣，自己想要對大資料方面的原理以及架構去進行研究，自己喜歡工程類開發，那麼大資料崗位對你來說，會更加合適。

當然，如果你有很強的學術能力，同時也樂於去研究新的機器學習方面的演算法，想要透過機器學習來解決更多人們日常問題，人工智慧更適合你。

個人未來職業發展方面， 最主要的還是要看你自己的興趣，你要結合你自己的興趣來選擇具體所要從事的崗位。大資料和人工智慧從長遠來看，對於你個人的職業發展都不錯，唯一有點不同的是，人工智慧方面越往後，往上升越難，當然，如果你升上去，你所得到的回報要比大資料更好。

如果你根據自己的興趣來選擇崗位，同時在這個崗位堅持工作很多年，有著很豐富的經歷時，一般最後都會發展的不錯，當然還是希望你能夠在年輕的時候，最好能夠去網際網路大廠去進行學習，以後你在跳槽時，大廠給你的視野以及平臺光環，都是小公司所不能比的。

大資料和人工智慧是當今最流行和最有用的兩項技術。

人工智慧將減少人類的整體干預和工作，認為人工智慧具有所有的機器學習能力，並將創造機器人來接管人類的工作。人工智慧的擴張會降低人的作用，大資料的介入是變革的關鍵。因為機器可以根據事實做出決定，但不能涉及情感互動，但是資料科學家可以基於大資料將情商囊括進來，讓機器以正確的方式做出正確的決定。

人工智慧和大資料使用了很多方法和技術，但是它們可以以一種整合的方式使用，並提供結果供公司分析客戶興趣，為他們提供最佳最佳化的服務。

如今，大資料成人工智慧應用重點

隨著資料的積累、計算機算力的躍升和演算法的最佳化，人工智慧正在讓生活變得更高效。人工智慧的持續進步和廣泛應用帶來的好處是巨大的，為了讓它真正有益於社會，同樣不能忽視的還有對人工智慧的價值引導以及倫理調節。

人工智慧如何與大資料完美地結合？

https://www.toutiao.com/i6717162316695077383/

這個就像問蘋果好吃還是橘子好吃一樣，不可以比較的，他們兩個是不同的概念。

首先還是要看你到底對哪個感興趣

如果真的想學的話可以看看一些機構的試聽課程

比如尚學堂的試聽課程，我之前也是不知道選哪個，看了試聽課程後選了大資料

你也可以去看看