java开发，转大数据好还是机器学习？

机器学习（ML）属于AI领域，大数据是人工智能的前提，相当于原料，人工智能是基于大数据的支持和采集，运用于人工设定的特定性能和运算方式来实现。

因此，人工智能离不开大数据，人工智能需要依赖大数据平台和技术来帮助完成深度学习进化。

人工智能其实就是大数据、云计算的应用场景。

大数据目前用得最多的语言就是Java

Java语言安全性强、精密度高，在可维护性、高性能特性，以及在于整体生态方面.

Java语言都具有比较大的优势，而且在大规模的异构计算机集群、处理高并发、以及复杂的业务逻辑方面，都是Java最擅长的。

除此之外，目前大数据行业最知名的Hadoop生态圈，以及领域你所熟悉的几乎所有大数据行业的词汇.

比如Hive、Spark等等都是跟Java关系最为紧密，比如说大名鼎鼎的Hadoop本身就是Java编写的，即使是Spark关系紧密的Scala语言，其实也跟Java有着千丝万缕的联系。

【大数据开发学习资料领取方式】：加入大数据技术学习交流群458345782，点击加入群聊，私信管理员即可免费领取

因此Java工程师转大数据工程师，有着天然的优势，当然目前在数据挖掘领域，Python也占据着很大的统治地位。

不过在大数据领域，基本上大多数企业都是要求Java背景的公司最多，很多岗位都是直接瞄准Java工程师进行培养。

大数据的岗位市场需求非常大

现在的互联网，哪家企业不讨论大数据？

阿里巴巴旗下的天猫、淘宝有购物大数据，支付宝有支付大数据，菜鸟网络有物流大数据，百度有搜索大数据、人工智能大数据，腾讯有社交大数据大数据、游戏大数据、同样也有支付大数据。

可以说每个企业都在布局大数据，尤其是在大公司。

数学基础好，如果喜欢机器学习，可以一边工作一边学

活到老、学到老，这是一个铁律。

这对于学系机器学习来说是一个优势，再加上你有很好的Java学习背景，相信语言的壁垒不是很大，想要学习一些Python的知识其实不是很难，相信真正做过开发的都知道，语言的壁垒不大的。

不过机器学习可不是那么简单的，对于数学什么的要求确实很高，而且这个行业比大数据还要复杂，而且目前人工智能的壁垒还是蛮高的，很多领域都还是在实验室阶段，更多的还是比较尖端的科研，因此学习代价是不小的。

机器学习、深度学习目前技术难度还是挺高的，对于算法要求很高。

不过大数据和人工智能联系非常紧密，人工智能肯定离不开大数据。