java開發(fā)，轉(zhuǎn)大數(shù)據(jù)好還是機(jī)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(duì)這個(gè)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(jī)器學(xué)習(xí)，我基本上

java開發(fā)，轉(zhuǎn)大數(shù)據(jù)好還是機(jī)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(duì)這個(gè)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(jī)器學(xué)習(xí)，我基本上想告別Java，這無疑是一個(gè)非常不幸的選擇。

此外，轉(zhuǎn)向機(jī)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(xiǎn)相對(duì)較高，很容易打亂一個(gè)人的職業(yè)規(guī)劃。

目前，大數(shù)據(jù)方向仍是一個(gè)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(huì)低于機(jī)器學(xué)習(xí)的工資，機(jī)器學(xué)習(xí)還處于初級(jí)階段。別擔(dān)心工資問題。

大數(shù)據(jù)處理為何選擇spark？

Spark是大數(shù)據(jù)時(shí)代的產(chǎn)物。它可以基于HDFS中存儲(chǔ)的海量數(shù)據(jù)，對(duì)每個(gè)數(shù)據(jù)節(jié)點(diǎn)上的任務(wù)進(jìn)行分布式處理。Spark將大規(guī)模計(jì)算任務(wù)分解為有向無環(huán)圖，并按拓?fù)漤樞驁?zhí)行圖中的任務(wù)。通過yarn的調(diào)度，可以充分利用分布式系統(tǒng)的計(jì)算資源（主要是CPU和內(nèi)存）。與MapReduce相比，spark可以基于內(nèi)存計(jì)算（內(nèi)存不足時(shí)重新存儲(chǔ)磁盤）進(jìn)行改進(jìn)，而MapReduce基于磁盤計(jì)算，因此spark的計(jì)算速度相當(dāng)快，可以將普通MapReduce的耗時(shí)壓縮10倍。在我們的日常工作中，我們可以早點(diǎn)完成數(shù)據(jù)處理，早點(diǎn)下班。

在大數(shù)據(jù)場(chǎng)景下，如果使用傳統(tǒng)的MySQL數(shù)據(jù)庫通過SQL進(jìn)行查詢，需要花費(fèi)大量精力將數(shù)據(jù)庫和表分開，維護(hù)數(shù)據(jù)，并且經(jīng)常面臨數(shù)據(jù)庫查詢速度慢的問題。您仍然需要有一個(gè)基于HDFS的數(shù)據(jù)倉庫，并使用spark進(jìn)行數(shù)據(jù)處理?？煊没鸹ǎ?/p>