我的研究方向就是大数据和人工智能，目前我也在带研发团队做相关的落地项目，所以我来回答一下这个问题。大数据的研发围绕数据展开，涉及到数据的采集、整理、传输、存储、安全、分析、呈现和应用等内容，涉及到的岗位也非常多，这其中有的岗位有一定的难度，比如数据安全、分析等，有的岗位难度相对较小，比如数据整理、数据清洗等。
大数据的发展极大促进了人工智能的发展，因为数据是智能的基础，所以从这个角度来看，大数据的发展与人工智能的发展必然是互相促进的。我就是从大数据研发转向机器学习的，进而进入人工智能领域，这也是很多人进入人工智能领域的途径。机器学习涉及到的核心步骤包括数据收集、算法设计、算法训练、算法验证和算法应用等，这其中数据是机器学习的基础，只有具备了足够的训练数据才能让机器学习顺利进行，而大数据的特点就是海量数据。
人工智能的研究主要涉及到六大部分，分别是自然语言处理、知识表示、自动推理、机器学习、计算机视觉和机器人学，可以说人工智能是典型的多学科交叉专业，涉及到的内容多且复杂，所以人工智能虽然经历了半个多世纪的发展，但是目前仍然处在初级阶段。目前随着大数据的发展，在很多特定场景下已经有大量的智能体（Agent）在实际应用，相信未来智能体的应用将更加普遍。
大数据和人工智能都不简单，都需要一个系统的学习过程和长期的实验，二者联系紧密，可以说你中有我、我中有你。从学习的角度出发，建议从大数据开始学起，这样会更加顺利一些。我目前在带队做基于机器学习的智能诊疗项目，我会陆续在头条上写一些相关的科普文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。
如果有大数据或者机器学习方面的问题，也可以咨询我。谢谢！。
感谢你的问题，大数据开发就像一个房子的地基，而人工智能就像是地面上的建筑，所以对于现代化的流程来说没有那一个更难，地基要是打不好，何来上层建筑 上层建筑不好，何来吸引人们的眼光，所以，大数据和人工智能是等同的，没有谁难一说。
据我所知，有大数据支撑，人工智能才会更智能，而人工智能让大数据的价值更充分地发挥出来。也就是说，大数据如同自来水，人工智能如同供水系统，你若到水厂工作，怎么也需要既了解水的原理，又了解供水系统。难道你以为，你偷懒只了解其中一样，然后到水厂面试，水厂就会要你？！所以你就不要看两者哪个更难学，学的话就应该两者都学。
我认为大数据与人工智能相辅相成的，人工智能更高级一点点~大数据大数据（big data）在百度百科上是这么就是的，它是指无法在一定时间范围内用常规软件工具处理的数据集合，是需要新处理模式才能处理的信息资产。在数据方面我们主要研究的是对巨量数据的处理，如何将数据进行合理的挖掘得到我们想要的有用的信息。上面的图片中我们可以看出云计算，分布式处理平台等是大数据研究学习的方向。
以下首先从两方面阐述一下人工智能和大数据。广义广义上讲，这两个方向没有界限，人工智能必然涉及大量数据，所以，可以认为人工智能是大数据的一个范畴或者研究方向，而人工智能又可以细分很多方向，比如自然语言处理、计算机视觉、搜索推荐，这些都涉及大量数据，都可以称为大数据技术，所以没有哪个好哪个坏，就看你喜欢做哪个方向。
狭义从狭义上讲，我认为人工智能好一些，本人之前做过一段时间的大数据，狭义上的大数据就是围绕着Spark、Hadoop、flink等框架对庞大数据进行处理，包括清洗、存储、分析等，分析的话又会用到一些机器学习算法，比如回归分析、随机森林、SVM等。
狭义上的人工智能主要是围绕着计算机视觉(CV)和自然语言处理(NLP)展开，这方面涉及的知识面更加广泛，强化学习、机器学习、图像处理、语义分析、优化算法等，所以对于一个人来说成长空间更加宽阔。这样说来，人工智能涉及的知识面更加宽广一些，所以相对来说难一些。
怎么学好？选定一个方向我个人不太喜欢使用"人工智能"这个词，因为觉得太宽泛了，每当有朋友问我怎么进入人工智能这个领域，我都会先问一个问题："你想从事哪个方向?"人工智能有太多方向，计算机视觉、自然语言处理、搜索推荐、机器学习、强化学习，机器学习又可以细分很多，分类、回归、深度学习、元学习、增量学习。
。。。所以我认为要想从事人工智能，首先应该明确自己从事哪个方向，这样才会有目标。掌握一个必备知识我个人是做计算机视觉的，所以，接下来我就以计算机视觉为例讲述。人工智能是一个涉及多学科、多领域的的方向，数学、计算机、工程学等方面，一下分别谈一下：数学知识我想在大多数学校里，数学都是理工科学生的必修课，微积分、线性代数、概率论与数理统计，这些都比较基础实用，我觉得这个数学基础对入门人工智能足够了，人工智能应用数学最多的也就是求导、矩阵的运算和分解、概率的统计与分析。
编程能力工欲善其事、必先利其器，人工智能方向编程语言使用最多的应该就是Python了，在很多学校理工科学生应该都会必修一门编程课，有的是C，有的是C++，就算这些都没用过，也应该对Matlab了解一些，我觉得有一些编程基础入门Python算是比较简单的，网上资源很多，社区支持也很强大。
机器学习我这里所说的机器学习是广义上的机器学习，涵盖深度学习。无论是做传统的机器学习回归和分类，还是做深度学习，无论是做计算机视觉，还是做自然语言处理，都离不开机器学习，后面我会介绍一些我认为比较好的学习资源，对于机器学习，我划分为两个方面：(1) 框架层面；(2) 理论层面。
(1) 框架层面机器学习框架有很多比如scipy、sklearn、tensorflow、pytorch、mxnet等，我觉得对于框架，不再多，而再精，每个框架都有自身的优势，也都有自己的缺点，可以根据自己的项目需求和自己的喜好选择一个框架，这里我比较推荐的是tensorflow和pytorch，tensorflow虽然繁琐，但是强大，pytorch比较简洁高效。
(2) 理论方面理论方面主要包括传统的机器学习和深度学习里的一些网络框架，首先说一下传统的机器学习，我认为这是很有必要的，从事 AI工作中免不了用到传统的方法，比如回归、随即森林、SVM等，而且传统的机器学习理论性更强，更能让人了解机器学习中的内在内容。
其次说一下深度学习网络模型，以计算机视觉为例，有很多成熟高效的网络模型，很多模型前后都有关联，需要了解不同网络模型，比如奠定基础的Alexnet，后面经常用于预训练的VGG，还有为深度网络提出解决方案的ResNet，还有近几年比较高效的SSD、YOLO系列，最后还有深度学习中的一些策略，比如怎么解决过拟合？BN是什么？Dropout是干什么的？激活函数有哪些和优缺点分别是什么？。
。。。专业知识如果要成为一个AI从业者，需要结合不同方向的专业知识，比如要从事计算机视觉，仅仅拿到网络结构就开始搭，这是很难达到理想效果的，这就需要对图像底层有一些了解，例如图像的像素和通道结构，图像的边缘和灰度特征，图像的增广、去噪、分割，这能够让在相应的方向上走的更远，做出更好的东西，可能达到事半功倍的效果。
学习资源经常会看到很多人在朋友圈转发各种人工智能学习资源，的确，随着人工智能火热起来，现在网上有很多各种各样的学习资源，让人眼花缭乱，好的学习资源屈指可数，大多数不知道冲着什么目的推出的教学资料，内容不怎么样，收费却不低，很多初学者不了解行情而误入歧途，不仅浪费了钱，也耽误了不少时间、浪费了不少精力，其实网上 有很多免费又非常好的资源，如果把这些利用起来，我觉得足可以成为一个AI从业者。
在这里，我推荐一些我认为比较好的学习资源。
视频资源(1) 吴恩达《机器学习》(2) 吴恩达《深度学习工程师》(3) 莫烦Python：我觉得虽然讲的很浅，但是没有语言障碍，通俗易懂书籍(1) 数学方面《概率论与数理统计》 盛骤《数值分析》李庆扬《线性代数》同济大学(2) 机器学习方面《深度学习》Goodfellow、Bengio《机器学习》 周志华《机器学习实战》Peter Harrington(3) 图像处理方面《图像工程》 章毓晋《计算机视觉特征提取与图像处理》(第3版) Nixon&Aguado以上是我的个人对入门人工智能的一些看法，也许不太全面，欢迎指正和讨论，希望对大家有所帮助，如果喜欢可以关注一下微信公众号“平凡而诗意”，后续会继续分享计算机视觉、深度学习、强化学习、优化算法方面的知识。
谢谢您的问题。我认为，大数据和人工智能不存在谁更难，因为都有难以把控的难点。两者是融合的，不要割裂看。大数据是基础，人工智能是高级应用。比如，大数据可以看作一筐苹果，对其进行分类。把熟与不熟的分出来，把大的小的分出来，把好的坏的分出来。人工智能是对数据数据使用过程中，一种精准的智能化反馈。
比如线上购物反映出来的喜好，滴滴打车常去的地点等。人工智能发挥作用必须使用大数据，两者很难分开看。大数据开发有难点。第一，大数据未必可用。是否存在缺失、偏差等，比如一筐苹果混入了大量的梨子。第二，大数据规模不够。一筐苹果肯定比一盘苹果更有科学性。
第三，算法不是万能的。一个算法只能单向解决一个问题，对于跨度广、要素多的专题，算法的复杂度增加，精准度可能会下降。第四，数据不能说明一切问题。比如政治、法律、自然灾害等外部突发因素。大数据重在对历史已有的数据分析，对未来突发状况作用和影响很小。
所以，大数据有其难以克服的短板 。人工智能有难点。人工智能分为输入、理解、输出三个步骤。最难的就是理解，而且现在的人工智能没有理解能力，因为信息输入有无数组合、多元涵义，特别是博大精深的汉语。目前人工智能的一些互动应用，都是提前录入了固定的程式、模型、组合，才能针对性地反馈。
以后增强人工智能对信息理解，如语音识别分析，涉及很多生物、医学等学科，是难中之难。不过，这都需要使用大数据。欢迎批评指正。
感谢邀请。因为非大数据和人工智能专业，无法回答出来专业的答案，但是也不妨碍对这两个项目的理解。前面已经回答过类似的问题了，今天再以自己的话，重新整理一下。大数据开发与人工智能，应该是人工智能会更难一些。1、个人理解的，大数据就是，非常多，非常杂的数据混合在一起，那么第一步肯定是如何收集数据，也就是你在互联网上留下的任何足迹，还有你在现实中，留下一些痕迹，有大数据设备采集，比如，你买了高铁票，去哪里玩，搜索了什么关键字等等，都会被大数据收集起来，存储好。
2、第二步，大数据收集起来后，就会对你的数据进行分析，应用，比如，你搜索了某某关键字，那么与某某关键字相关的产品广告就会推荐给你，这就是所谓的猜你喜欢，再按照地域，喜好，特点等等，给你打上所谓的人群标签。3、如果把收集起来的大数据，分析好后，加以利用，学习，让机器学习你的行为习惯，这也许就是人工智能吧，应该先分析大数据，然后复制行为，再改变行为，最后形成机器自己的观点（恐惧），我想类人的机器也许就要到来了。
这就是所谓的，机器人学会了思考。总结：现在互联网，大数据，人工智能无处不在影响我们的生活，甚至改变我们的一些生活习惯，现阶段应该还是，收集起用户数据--分析数据--返回结果给用户（影响人类的行为）。以上仅为个人观点，如若喜欢，记得关注哦！。
