其實，兩者是沒有可比性的。人工智慧和大資料屬於科技領域的兩個行業，代表著科技的未來趨勢。至於就業，大學生肯定得選擇進入機關事業單位、企業單位、機構協會等等，具體崗位具有不同的要求。

從近幾年的就業情況來看，大資料和人工智慧方向的研究生就業情況還是不錯的，尤其是人工智慧領域往往都有比較高的薪資待遇。

目前不少學校在本科階段已經陸續開設了大資料專業（或資料科學專業），但是由於人工智慧專業需要具備更多的教育資源，所以目前開設人工智慧專業的學校依然比較少，主要集中在雙一流高校（原985），目前人工智慧人才的培養依然以研究生教育為主。

對於本科畢業生說，就業大資料方向要更方便一些，原因有以下幾點：

第一：大資料技術體系已經成熟。根據Gartner報告顯示，大資料相關技術已經於2016年開始走向成熟，所以從事大資料方向相對會更容易一些。而人工智慧技術目前離成熟還有較長一段距離，大量的科研課題需要突破，所以從事人工智慧方向具有一定的難度。相對來說，研究生從事人工智慧方向會更適合一些。

第二：大資料技術的應用領域廣泛。大資料技術目前正處在落地應用的初期，未來整個IT行業和傳統行業都將會陸續釋放出大量的大資料崗位，所以從事大資料方向會有更多的發展機會，雖然人工智慧技術也是產業網際網路的核心技術之一，但是人工智慧產品目前依然有落地難的問題。

第三：大資料是人工智慧的基礎。從技術體系結構來看，大資料是人工智慧的重要基礎，所以從事大資料的技術人員未來轉向人工智慧也是比較容易的。比如在大資料分析領域比較常見的資料分析方式就有機器學習方式，而機器學習也是人工智慧的六大研究方向之一，所以從大資料過渡到人工智慧是比較方便的。

此時一位疲憊的IT碼農路過，並留下了個人見解。

對於這兩個方向來說，比較好的入門語言首選Python，先把Python基礎打好了再來選擇方向。

而就最近一段時間來說，大資料和人工智慧都是挺熱門的，幾乎都被人耳熟能詳了。上到國家在推崇，下到各種企業單位在競爭相關人才，可以看出來，兩個前景似乎都挺好的。

從現在這個情況來看的話，你可以先去更大招聘網站搜相關額職位的，目前來說，AI的崗位是比大資料的崗位要多得多的。大資料的崗位現在相對比較少，不外乎就是資料分析和雲計算之類的，個人感覺崗位會比AI方面的少。主要原因或許是因為很多公司經過一輪網際網路的洗禮，已經積累了一定的使用者量了，所以，主要想著給產品附能然後增加更多的經濟收益吧。不過也不得不說，先資料分析提取使用者畫像一樣，有時候是沒必要請資料分析師的，畢竟很多時候，很多人工智慧的產品的副產品就是使用者畫像，例如推薦演算法即是如此。

當然，說到最後，不得不提醒你的是，前景雖好，但不是每個人都可以去做的。這裡面幾乎要涉及很多的數學基礎和算法理論等的支援。如果是普通本科四年畢業而且想著僅僅靠課堂上的知識就想著就業的話，我勸你還是打消這個念頭。如果可以，最好去考研究生以上的學歷。當然，還要結合自身的情況去考慮，前景再好，如果不合適你，最後不過是浪費自己的時間而已。

人工智慧和大資料的主要區別

大資料是需要在資料變得有用之前進行清理、結構化和整合的原始輸入，而人工智慧則是輸出，即處理資料產生的智慧。這使得兩者有著本質上的不同。

人工智慧是關於決策和學習做出更好的決定。無論是自我調整軟體、自動駕駛汽車還是檢查醫學樣本，人工智慧都會在人類之前完成相同的任務，但速度更快，錯誤更少。

雖然它們有很大的區別，但人工智慧和大資料仍然能夠很好地協同工作。這是因為人工智慧需要資料來建立其智慧，特別是機器學習。例如，機器學習影象識別應用程式可以檢視數以萬計的飛機影象，以瞭解飛機的構成，以便將來能夠識別出它們。

人工智慧實現較大的飛躍是大規模並行處理器的出現，特別是GPU，它是具有數千個核心的大規模並行處理單元，而不是CPU中的幾十個並行處理單元。這大大加快了現有的人工智慧演算法的速度，現在已經使它們可行。

沒有大資料就沒有人工智慧

大資料可以採用這些處理器，機器學習演算法可以學習如何重現某種行為，包括收集資料以加速機器。人工智慧不會像人類那樣推斷出結論。它透過試驗和錯誤學習，這需要大量的資料來教授和培訓人工智慧。

人工智慧應用的資料越多，其獲得的結果就越準確。在過去，人工智慧由於處理器速度慢、資料量小而不能很好地工作。也沒有像當今先進的感測器，並且當時網際網路還沒有廣泛使用，所以很難提供實時資料。現在人們擁有所需要的一切：快速的處理器、輸入裝置、網路和大量的資料集。毫無疑問，沒有大資料就沒有人工智慧。

所以兩者有者很強的關聯關係，初始階段都該投入點精力，慢慢的有所側重。

作為一名大資料軟體開發工程師，個人認為，在當前的時代背景下，在就業和個人職業規劃方面，大資料領域對於大學生來說會是一個更好的選擇。

人工智慧領域對於大學生來說，門檻很高，同時大學生去面試人工智慧崗位時，相對於研究生或者博士生的同學，更沒有學歷上的優勢。在大學階段，學校更多是培養你的全面性，一般會有各種各樣的課程能夠選擇，而人工智慧領域需要對某一類演算法要有很深入的研究理解，所以對於大學生而言，選擇從事大資料，會是一個更好的選擇。那麼大學生如何進入大資料這個領域呢？下面是我的一些個人看法：

先從Java語言入手

大學生入門大資料領域，首先可以先從學習Java語言入手，現在很多大資料元件其實都是Java語言開發實現的，以後再理解大資料元件底層原理原始碼時，如果你的Java語言基礎非常紮實的話，最起碼你能夠根據程式碼理解開發者的思想。如果你在學習完Java語言的相關知識點後，突然不想進入大資料領域，此時你也可以選擇從事Java開發的相關工作，這對於你以後的職業發展來說，先學習Java，都有一定的幫助。

Java掌握的牢固，以後你在使用大資料元件相關的API開發專案時，會使用的更得心應手。大學生學習Java，可以去圖書館借閱Java相關的技術書籍學習，也可以自己去網上看Java相關的影片教程進行學習，學習Java，一定要多進行實踐，可以跟著影片教程裡面的實踐練習，一起實踐。這樣，你學習Java的速度也會更快。

學習一門大資料元件

大學生在學習完Java語言之後，可以嘗試去學習一門大資料元件，這裡我推薦從Hadoop入手。Hadoop可以說是大資料最基礎的一門元件，它的思想由谷歌開源出來，技術實現是雅虎進行實現，同時，很多其他大資料元件底層其實都有用到Hadoop。Hadoop整體包括三個部分，MapReduce、HDFS、Yarn。MapReduce是一種計算框架，你可以去了解它的計算思想，同時在計算過程中，資料是怎麼Shuffle的。HDFS是Hadoop的分散式檔案儲存，當一個檔案非常大的時候，可以透過將其進行資料分塊，然後分散式在不同的機器上儲存。Yarn是Hadoop的統一資源管理器。

大學生以後如果想要從事大資料領域，Hadoop相關的技術問題肯定是要問到的，所以一方面是準備面試，一方面是為了Hadoop的技術使用，所以你可以在學習完Java語言之後，學習Hadoop，個人建議，也可以跟著網上的影片教程開始入門學習。

嘗試做大資料相關的專案

大學生學習完Hadoop之後，可以嘗試去做相關的大資料專案。一般想要做專案時，可以先去自己專業的老師那去進行打聽，一般老師都會有自己申報的計算機類專案。現在大資料技術應用的這麼廣，肯定會有老師有大資料相關的專案，即使沒有，你可以去網上一些競賽網站去找相關的專案，比較出名的網站有天池大資料競賽、DataCasle、Kaggle。多參加競賽對於你以後的面試，有很大的幫助，如果你能夠在比賽中獲得不錯的名次，那對於你以後進入大廠也會有更大的幫助。

總結

總體來說，對於大學生而言，我個人建議是選擇大資料而不是選擇人工智慧。人工智慧更適合研究生或者博士生，需要對於機器學習更深更專業的同學，同時，一般會要求你能夠發表相關的學術論文。而大學生在大學階段，更多的培養自己的興趣和全面性，所以在學術方面，對於研究生或者博士生而言，會有一定的欠缺。大學生選擇大資料領域，會是一個更好的選擇。