这是一个很多同学都比较关心的问题，我从科研和就业两个方面来说一下我的看法。
首先，从技术体系结构来看，大数据已经趋于成熟了，目前很多选择大数据方向的同学会专注于利用大数据技术来完成行业应用场景上的创新，所以很多专硕会着重关注大数据相关方向，而且由于大数据与传统学科的交叉点很多，所以未来在交叉领域的创新机会也非常多。
相比于大数据技术来说，人工智能技术还远没有成熟，随着很多大厂纷纷推出自己的人工智能平台，关于人工智能的创新也在开始向应用场景覆盖，这也会在某些特定的程度上推动人工智能技术的发展和应用。
其次，从硕士研究生的科研场景来说，目前不论是选择大数据方向还是人工智能方向，都有很多创新着力点，在进入这两个领域的初期也都有大量的资料可以参考。
目前大数据的科研场景普遍比较侧重应用，这与当前大数据技术的成熟度有直接的关系，所以如果未来要进入产业领域发展，选择大数据方向还是更适合的。
目前AI领域的科研场景更侧重理论知识体系上的创新，当然现在也有很多导师在借助人工智能技术来完成行业场景创新，但是做到某些特定的程度后会有显而易见的瓶颈，即使在拥有大量的数据和算力支撑的情况下，也会有一些乏力感，所以AI领域的创新总是在不断找新的方向。
虽然深度学习目前在很大程度上推动了人工智能技术的发展，基于深度学习的创新也层出不穷，很多课题组也在逐渐从数据加黑盒的方式向开源加白盒的方式过渡，但是从目前行业场景的应用情况去看，似乎还有非常长一段路要走。
在很多大厂已完成算法中台的搭建之后，传统的中台算法岗相信会经历一个发展平稳期，人才需求也会逐渐向业务算法岗转移。
从就业的角度来说，无论是选择大数据方向还是人工智能方向，都一定要做好两手准备，建议立足开发，这样在就业时也会有更大的选择空间。
目前很多导师都是既带大数据方向的课题，也会带人工智能方向的课题，所以具体的科研方向还需要结合课题组的要求，很多同学最初的选择与自己读研期间的主攻方向也并不完全一致。
上文提及到，已经在之前的这篇文章中详细阐述过，篇幅关系，你们可以自行过去补课
对于Tensorflow等机器学习框架的学习，我的建议还是直接去看他官方的教程：
学习的顺序也不宜从API看起，直接上手写一遍几个样例以及自己做一些改装效果要比“背单词”式的学习方法好得多。
到这里相信同学已经掌握了必要的基础知识，那么这样一个时间段可以开始选择自身的专精方向了，业界常见的机器学习的方向有
推荐系统特殊一些，因为涉及到business metrics，以后会单独开一个新坑。
纸上得来终觉浅，刷实习，刷背景，刷大厂履历才是不变的主题。为什么？因为大厂里面有大批量的数据，有实际的商业应用的场景，以及各种State-of-art的模型。如果说前面都是在打地基的话，这里才是开始盖高楼，大厂的履历本身对一个人的背书不言自明，更重要的是，实打实的锻炼了能力。
我目前在微软担任主力面试官，也是目前我们部门的机器学习面试出题人，也通过组织求职群帮在过去的五年中帮助了三千多位同学成功进入FLAG等顶尖科技公司。即便是在Hiring Freeze的去年和大裁员的今年，也有不少上岸了大厂。我们的求职群帮在过去的五年中帮助了三千多位同学成功进入FLAG等顶尖科技公司。
关于我们的干货分享群：你们可以加助教Andy的微信进群：MSBZ1019，也可以加我的个人微信：MSFT_Justin
对于许多计算机本科专业的同学来说，想要继续深造，那么在硕士方向的选择上面就比较纠结是选择大数据还是人工智能。接下来篱笆老师将分析一下大数据、人工智能各自的优势、联系和未来部分工作规划方向，希望能帮助各位同学正确去选择比较适合自己的硕士方向。
大数据物联网、Web系统和信息系统的综合结果，大数据相关的技术紧紧围绕数据展开，包括数据的采集、整理、传输、储存、安全、分析、呈现和应用等等。大数据的价值大多数表现在分析和应用上,比如大数据场景分析等。
人工智能研究内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向。目前机器学习的应用场景范围是比较广泛的，比如无人驾驶，智慧医疗等领域都有广泛的应用。人工智能的核心在于“思考”和“决策”，相比大数据，人工智能涉及的领域更加高深和高端，因此知识含量也更高，学习起来也需要付出更多，对个人的数理和逻辑能力要求很高。
两个方向之间也是有联系的：首先，AI和大数据这两个专业的前景都比较广阔，随着产业体系升级的持续推进，未来大数据和人工智能专业的人才教育培训规模会逐渐扩大。从知识体系结构来看，AI与大数据具有密切的联系，大数据是人工智能的重要基础，二者之间的发展会互相促进，所以大数据和人工智能的技术边界是比较模糊的。
大数据专业未来向人工智能方向发展也是可完全的，一方面大数据本身和AI的联系非常紧密，大数据是人工智的基础；另一方面从大数据向人工智能方向发展也会有更多的选择空间，能够准确的通过自身的兴趣爱好和能力特点进行选择。
由于近几年大数据方向趋向成熟，从近两年硕士研究生的就业情况来,大数据方向的学生要相对多一些。AI领域的研究方向是比较多的，在当前工业互联网和产业体系升级的推动下，AI与传统行业的结合也比较多。在选择硕士方向时，能够准确的通过目标学校的资源情况来做出合理的选择。通常来说，不同高校往往都有自己的传统优势方向，这些方向往往会有更多的科研资源。
许多公司将寻求加强其IT基础设施，并将业务转向云端。云计算很适合帮助满足和管理这些一直增长的需求，因为内部部署的服务器和数据管理对公司来说变得过于混乱并且成本高昂。
部分零售企业利用大数据和人工智能来降低管理费用，同时扩大经营事物的规模。客服人员可能会被人工智能助理彻底取代，但更重要的是，零售商能够最终靠人工智能跟踪他们的库存。
Facebook，Skype和Slack等公司都在其服务中添加了聊天机器人，涉及范围有：法律帮助，智慧医疗等。
通过梳理大量的数据，企业能够比以往任何一个时间里都更准确地针对特定的消费者投放广告与活动，慢慢的变多的公司试图利用自动算法来分类数据以找到潜在的客户。
这里是篱笆老师，对于以上内容有问题还有疑问的话可以私信篱笆老师。如果内容对你有用的话，记得点赞加收藏！
这两个都是不错的发展趋势！不论选哪一个未来前途都不可限量，但具体选择哪个还要结合个人的兴趣爱好，以及特长来决定。今天也为大家列出来几点两者的对比，方便你更好的来了解好做出正确的选择。
本公司目前在招聘一些大数据分析师，我们欢迎所有对数据分析感兴趣的人来试试，合乎条件的可以投递简历（可培养！！！）投递方式见下方，更多岗位信息关注本公司公众号，欢迎主动与我们联系。（1、签订正式合同、五险一金；2、须本科及以上学历（优秀者可放宽条件）；3、无经验者有项目经理带；4、在京工作一年后要求回当地的工作的，可申请调回当地省会城市的分公司或合作企业工作；5、每日简历投递量非常大，欢迎主动与我们联系！！
设立才几年，开设的院校也有很多，且是一个非常尖端的学科，涉及面非常之广。
主干课程大致为：认知与神经科学课程群、人工智能伦理课程群、科学和工程课程群、先进机器人学课程群、人工智能平台与工具课程群、AI核心课程群。及的学科很多，有：计算机科学的核心技术、信息论、控制论、自动化、仿生学、生物学、心理学、语言学、医学、哲学、机器人等等，是很多学科的交叉学科。
这也是一门交叉的学科，是计算机、统计、数学交叉的学科。近年来开设的院校也是极多。
具体课程包括：大数据概论、大数据存储与管理、大数据挖掘、机器学习、人工智能基础、Python程序设计、统计学习、多媒体信息处理、数据可视化技术、智能计算技术、云计算与数据安全、数据库原理及应用、算法设计与分析等等
首先工作规划方向主要有：科研机构(机器人研究所等)、软硬件研发人员、高校讲师等。在国内的话工作前途是比较好的，国内产业升级，IT行业的转型工业和机器人和智能机器人以及可穿戴设备的研发将来都是强烈的热点。
【1】大数据开发工程师主要负责大数据技术开发，如编写离线处理程序、数据采集、数据ETL等。【2】大数据运维工程师主要负责公司大数据平台的维护，如管理、监控Hadoop集群、监控运作时的状态等。【3】大数据架构师主要负责公司大数据平台的设想，如技术选择和技术安装。【4】大数据分析师结合行业经验，负责公司各业务单元的数据分析，如财务分析、生产分析、销售分析等。【5】大数据算法工程师主要负责机器学习相关算法开发，如推荐系统算法开发。【6】大数据实时计算开发工程师主要负责公司实时计算系统开发，如实时风控系统Flink开发，基于Spark Streaming的实时指标分析开发。
大数据技术是以计算机系统为基础，发展的统计分析、数据整合技术。对于人工智能技术，本质也属于计算机学科的一种先进的技术。大数据在AI领域中的应用，比如手机的语音助手等。可以说，大数据推动了人工智能，AI是依托于大数据的。同时人工智能也推动了大数据的逐步发展。大数据和人工智能二者相辅相成、相互连接。
回到你要考研的问题，如要做更深的研究，有更高的追求，其实两个专业都可以。但人工智能，如果院校层次相对差一点，慎选这个专业。做选择时还是要看下市场情况，再结合自己情况作出判断。
当然是大数据方向了，机器学习在国内已经逐渐趋于饱和了。而中国未来几年要全力发展数字化的经济。看看国家工信部的职业技能培训方向了。
智能大数据分析师(IBDA)（应用级/管理级/专家级）职业教育项目定位：
通过提升企业和事业单位各级人员的数理统计、分析、预测、预警、决策水平，助力于自身数字化转型与升级。
21世纪以来，大数据时代正式登场，面对“万物皆数”的大数据时代，未来的社会的竞争一定从生产关系为主导的竞争范式向生产力为主导的竞争范式转变，国内大部分企业尚处于业务数据统计阶段，针对未来社会经济发展的不确定性增强，光靠数据统计已经不能适应市场的快速变化了，企业急迫要提升管理人员数据分析、预测及决策能力和水平，通过构建企业经营数字化差异壁垒，提升企业基础科学应用方面的核心竞争力。
智能大数据分析师（IBDA）课程涉及了多元统计分析、概率论、数据挖掘、机器学习、企业量化经营、投融资、生产运行、供应链管理、财务分析等方面，涵盖定性定量方法和常用的Excel、SPSS、Python等分析工具的使用。课程同时包含数据采集、加工、处理、建模、算法应用、结果分析、预测预警、量化决策的经营全过程。通过线上线下学习，能提高研究生学员数据化思维、量化分析及理性决策能力，提高社会交易价值、规避风险、增加收入。
智能大数据分析师（IBDA）是由工信部教育与考试中心与东方星野数字科技（北京）有限公司联合打造，通过参加线上、线下培训并考试合格的学员，可获得工信部教育与考试中心颁发的“智能大数据分析师”证书，同时纳入到工业和信息化技术技能人才信息库
1、工业和信息化技术技能人才网上学习平台（线、IBDA授权培训机构专业线学时（选修）。
曾在日资、德资、民营、A股上市公司等企业工作20余年，历任科长、部长、副总、CEO等职。现任《中管院现代教育研究所》副所长兼大数据应用研究与服务中心主任；中国企业财务管理协会副会长。
授课范围：主讲企业数字化经营、管理及投融资，用数字解决企业生存和发展问题； 授课风格：幽默、辩证、问题导向、理论联系实际。
“钱学森之问”的研究与探索者；大教育创新理念、育心教育的提出者、倡导者和践行者；曾任北京交通大学中国产业安全研究中心博士后科研工作站站长，现任中国管理科学研究院学术委员会委员、专家委员会副主任、现代教育研究所所长、钱学森之问研究中心主任、大教育科学研究中心主任、中国博士后现代管理智库专家委员会主任。
研究方向：博弈论、企业数据分析，先后在自然科学基金管理学A类期刊、CSSCI刊、EI检索会议等发表学术论文6篇。先后历任深圳维也纳酒店集团供应链副总裁、深圳雷柏科技股份有限公司副总裁、中植资本执行总经理、浙江商源集团战略资本高级副总裁等职。王占海先生具有深厚的理论功底与管理实践经验，对公司管理过程中的数据诊断分析与变革优化提升有着非常丰富的实操案例与方法论。
山东华创融盛展示有限公司 CEO、高级经济师 【历任】深圳金德集团 总经理、伟创力（深圳）通讯设备有限公司 厂长、格兰达装备（深圳）有限公司 副总裁、深圳雷柏科技有限公司副总裁。【主导】深圳金德集团：JIT/源流保证管理模式落地；伟创力（深圳）通讯设备有限公司：VMI/精益管理/6Σ质量保证体系落地；格兰达装备（深圳）有限公司：多工厂联合管理；深圳雷柏科技有限公司：无人机/机器人项目研发计划/两化融合计划（信息化/工业化）。【擅长】企业战略规划及管理；运营管理：源流保证JIT/VMI/6Σ质量管理；信息化管理：CRM/SCM/ERP/MES/WMS；精益管理（Lean）；阿米巴经营管理模式。
北京交通大学 工商管理硕士、CMC国际注册管理咨询师、全国中小企业管理咨询服务专家、北大纵横管理咨询集团合伙人。 具有十余年企业中高层管理工作经历和多年现代企业管理咨询实操经验，在战略管理、人力资源管理、生产运行管理、信息化管理等方面有深入研究。曾为中国国际经济技术交流中心、商务部国际商务官员研修学院、国家能源集团龙源电力集团股份有限公司、中国电子科技集团公司第13研究所、北京玻钢院、铜陵市发改委等多家企业和事业单位、政府部门提供咨询服务。
