資料探勘吧，因為我本人目前正打算走大資料這一塊，資料探勘需要極高的數學知識和程式設計能力，相對而言學歷要求也很高。

計算機視覺的發展前景和機遇更好一些，當然，也很難，挑戰性很大。

從目前來看，計算機視覺的應用場景已經很多了，

計算機視覺需要影象處理當年的知識，還需要機器學習，深度學習演算法。

AI智慧機器人崛起下，資料探勘更有戰略性意義，挖掘整個地球·微觀·宇宙資料。相當於戰略性的等級，核武器等級。

在人類需求下，計算機視覺更有戰術上的意義，精確顯現到夸克·外太空·宇宙景象。相當於戰術性等級，精準常規導彈等級。

懂了吧。

資料探勘比計算機視覺更具有價值。

一個是點面的表現，一個是全內的表現。

個人覺得資料探勘發展前景更好！

為什麼大資料應用工程師能拿到高薪？

大資料行業對開發人才需求大，谷歌、阿里巴巴、百度、京東都在需要掌握hadoop技術的大資料人才！在未來，無論掌握大資料的哪一型別，都相當於掌握自己的“錢途”，做時代的先行者！

好就業還得是高薪資

學習大資料探勘，透過本專業2年全面系統的學習，畢業後可以掌握配置、部署、運維和保護公司和組織機構部署CDH所要求的Apache—Hadoop叢集方面的專業技術；學完畢業後具備實踐動手能力的，滿足企業大資料應用技術崗位需求。

這個各有千秋吧。相對而言計算機視覺更專一點，資料探勘相對而言適應面更寬一點。簡單來看一下定義：

計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的影象——百度百科

資料探勘是指從大量的資料中透過演算法搜尋隱藏於其中資訊的過程。資料探勘通常與計算機科學有關，並透過統計、線上分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標——百度百科

兩者的區別有點象專業論文和科普論文的區別。前者更深奧，不是相關專業的人其實很難說出個一二三。整體的理論和應用相對而言會比較前沿。後者則更大眾，而且在行業的應用相對而言跟廣泛。要說發展情景，如果能進入計算機視覺領域當然前景會不錯。而言相對而言需要的技術相對而言比較高階。前景（錢景）可能也會更好。但就業面相對會窄一些。資料探勘就業面相對會更廣一些。

最後說一些他們各自需要的知識儲備：

計算機視覺的知識儲備：

影象處理的知識：影象處理大致包括的內容：光學成像基礎、顏色、濾波器、區域性影象特徵、影象紋理、影象配

立體視覺的知識：立體視覺大致包括的內容：相機幾何模型、雙目視覺、從運動中恢復物體結構、三維重建技術等

人工智慧的知識：人工智慧大致包括的內容：場景理解與分析、模式識別、影象搜尋、資料探勘、深度學習等

從前面的說明可以看出，計算機視覺的知識儲備是涵蓋資料探勘相關理論的。但從事資料探勘相關領域的知識則需要在業務實踐中領域學習。