java開發(fā)，轉(zhuǎn)大數(shù)據(jù)好還是機器學(xué)習(xí)？謝謝。我建議轉(zhuǎn)向大數(shù)據(jù)。我也從事java開發(fā)，我對這個主題的糾纏也有同樣的感受。畢竟，如果我精通Java，我已經(jīng)付出了大量的學(xué)習(xí)精力。如果我學(xué)習(xí)機器學(xué)習(xí)，我基本上

java開發(fā)，轉(zhuǎn)大數(shù)據(jù)好還是機器學(xué)習(xí)？

謝謝。我建議轉(zhuǎn)向大數(shù)據(jù)。

我也從事java開發(fā)，我對這個主題的糾纏也有同樣的感受。畢竟，如果我精通Java，我已經(jīng)付出了大量的學(xué)習(xí)精力。如果我學(xué)習(xí)機器學(xué)習(xí)，我基本上想告別Java，這無疑是一個非常不幸的選擇。

此外，轉(zhuǎn)向機器學(xué)習(xí)不僅需要深入了解python，還需要掌握數(shù)學(xué)算法，這是不可能一蹴而就的。因此，轉(zhuǎn)向人工智能的風(fēng)險相對較高，很容易打亂一個人的職業(yè)規(guī)劃。

目前，大數(shù)據(jù)方向仍是一個需求量大、前景好的工作方向。Java廣泛應(yīng)用于大數(shù)據(jù)領(lǐng)域。單憑Hadoop生態(tài)系統(tǒng)就足以完成大量的大數(shù)據(jù)工作，而Hadoop和Java是分不開的。

最重要的是大數(shù)據(jù)方向不會低于機器學(xué)習(xí)的工資，機器學(xué)習(xí)還處于初級階段。別擔(dān)心工資問題。

決策樹是用來解決哪類決策問題的？

決策樹分析是一種基于風(fēng)險的決策方法，它利用圖論中的概率和樹來比較決策中的不同方案，從而得到最優(yōu)方案。在圖論中，樹是連通的無環(huán)有向圖。階數(shù)為0的點稱為根，階數(shù)為0的點稱為葉，葉外的點稱為內(nèi)點。它由概率值（節(jié)點）、樹枝（節(jié)點）、決策值（節(jié)點）、樹根（節(jié)點）、決策值（節(jié)點）組成。

如何在學(xué)java的同時學(xué)習(xí)人工智能（大一新生的困惑）？

作為一名計算機專業(yè)的教育家，讓我來回答這個問題。

首先，對于大一新生來說，學(xué)習(xí)的重點是基礎(chǔ)學(xué)科，尤其是數(shù)學(xué)相關(guān)課程，這對于計算機專業(yè)來說非常重要。

如果你在大一期間還有精力學(xué)習(xí)編程語言和人工智能知識，可以按照以下步驟學(xué)習(xí)：

第一：學(xué)習(xí)java基本語法。在學(xué)習(xí)人工智能技術(shù)之前，你需要有一定的編程基礎(chǔ)，所以你首先要掌握java編程基礎(chǔ)，然后學(xué)習(xí)人工智能相關(guān)知識。從學(xué)習(xí)人工智能技術(shù)的角度來看，學(xué)習(xí)java基本語法不需要學(xué)習(xí)web開發(fā)的內(nèi)容，只需要關(guān)注java面向?qū)ο缶幊痰膬?nèi)容。

第二：學(xué)習(xí)機器學(xué)習(xí)知識。對于初學(xué)者來說，學(xué)習(xí)人工智能技術(shù)可以從學(xué)習(xí)機器學(xué)習(xí)知識入手，機器學(xué)習(xí)是開啟人工智能技術(shù)體系大門的關(guān)鍵。學(xué)習(xí)機器學(xué)習(xí)知識可以從學(xué)習(xí)基本的機器學(xué)習(xí)算法，如樸素貝葉斯算法、決策樹算法開始，然后通過編程語言完成這些算法的實現(xiàn)和驗證。

第三：學(xué)習(xí)人工智能平臺的知識。隨著目前各大科技公司都推出了自己的人工智能平臺，因此我們可以通過這些人工智能平臺學(xué)習(xí)相關(guān)知識，如自然語言處理平臺和計算機視覺平臺。

與Java語言相比，Python在人工智能領(lǐng)域的應(yīng)用更加廣泛。由于Python語法簡單，庫豐富，使用Python完成人工智能實驗更為方便。

最后，目前人工智能領(lǐng)域的人才培養(yǎng)還是以研究生教育為主，所以如果你想在人工智能領(lǐng)域走得更遠(yuǎn)，建議讀研究生教育。