java和java大數(shù)據(jù)有什么區(qū)別？首先，Java是一種編程語言，大數(shù)據(jù)是業(yè)內術語，指的是數(shù)據(jù)達到一定規(guī)模后，無法用普通工具和技術處理和管理的數(shù)據(jù)集合。目前也有用Java寫的大數(shù)據(jù)框架，比如Hadoo

java和java大數(shù)據(jù)有什么區(qū)別？

首先，Java是一種編程語言，大數(shù)據(jù)是業(yè)內術語，指的是數(shù)據(jù)達到一定規(guī)模后，無法用普通工具和技術處理和管理的數(shù)據(jù)集合。目前也有用Java寫的大數(shù)據(jù)框架，比如Hadoop，這是Java處理大數(shù)據(jù)的生態(tài)系統(tǒng)。還有很多大數(shù)據(jù)處理框架，離線計算和存儲等等。

大數(shù)據(jù)開發(fā)與人工智能哪個學起來比較難？如何學好大數(shù)據(jù)與人工智能？

大數(shù)據(jù)和人工智能是互補的。人工智能需要大數(shù)據(jù)技術來支撐，而大數(shù)據(jù)通常由人工智能來體現(xiàn)。這兩者在使用到一定深度的時候需要同時理解。相比較而言，人工智能更容易上手，大數(shù)據(jù)開發(fā)的引入對專業(yè)性要求更高。但是到了企業(yè)級應用，人工智能的算法難度和業(yè)務廣度就顯現(xiàn)出來了。這時候大數(shù)據(jù)更容易深入和細化。根據(jù)自己的工作和真實需求，選擇一個具體的方向入門比較好。一旦入門，你會發(fā)現(xiàn)應用場景決定研究方向，技術只是輔助手段。

讓 讓我們先來談談如何學習人工智能。有時間的話，建議看看加州大學朱教授對人工智能的這段描述:_KEUa-Q，你可以 不要空著學人工智能，必須基于項目去實踐，去感受自己的成長，你能記住所有你學過的思想、算法、技術。人工智能分為很多學科，項目或產(chǎn)品往往集中在一個或有限幾個學科。比如視覺分析技術，目前比較成熟，GitHub上有很多開源代碼，從中可以快速得到直觀的認知，比如人臉識別、視頻結構化、模式識別、身體姿態(tài)識別等。但是如果你不這樣做。;不要在項目中使用這些技術，你仍然很難記住。有時你可以 t實現(xiàn)某項技術，它不 不會阻止你前進，因為你可以去請教別人，或者查閱文獻。阻止你前進的是你沒有。;我不知道你應該做什么。幾乎所有的開發(fā)語言都可以用來實現(xiàn)人工智能項目，但目前python更適合快速入門，C更適合算法底層實現(xiàn)，java和C#適合上層應用。當然這不是固定的套路，可以選擇自己最熟悉的開發(fā)語言。

大數(shù)據(jù)入門需要一些基本技能。建議你先找一些網(wǎng)絡課程聽聽。hadoop開源生態(tài)圈的資料很多，也是目前最容易接觸到的大數(shù)據(jù)學習資料。大數(shù)據(jù)從最底層的文件系統(tǒng)開始，涵蓋數(shù)據(jù)采集、ETL工具、數(shù)據(jù)庫、分布式計算、批處理、數(shù)據(jù)倉庫、搜索引擎、工作流引擎等技術。以hadoop為例。目前已經(jīng)有非常成熟的開發(fā)陣營和組件家族。目前有Apache、cloudrea、hortonworks等。在國外，以及國內有華為、騰訊等平臺，都有成熟穩(wěn)定的版本。新手建議以CDH或HDP為練習對象，嘗試閱讀。萬卷書不如萬里路。It 僅僅看書和瀏覽論壇是沒有用的。你必須做一些環(huán)保運動。

從入門的硬件投入要求來看，人工智能的入門投入成本較低，GPU計算可以用更好的顯卡進行，而大數(shù)據(jù)則需要更多的硬件投入。從就業(yè)前景來看，目前大數(shù)據(jù)的崗位要求比較成熟。因為中檔大數(shù)據(jù)工程師待遇更好，所以一般人都會選擇大數(shù)據(jù)進行深入研究。人工智能正在如火如荼的攀升，達到了很高的水平。一個人可以頂一個上市公司。

我是一家人工智能大數(shù)據(jù)企業(yè)。我花了很多時間和精力去學習這兩個領域，但我在這方面還是一知半解。因為我的角色更需要廣度而不是深度，所以我選擇涉獵更廣泛的知識空間，但我只專攻幾個方面。有一個經(jīng)驗值得分享。一定要用系統(tǒng)架構的思維來看待和解決問題，推薦一個《一線架構師指南》。