云计算和大数据哪个发展前景好
说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!
大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。
整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?
在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。
数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。
传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。
谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。
二者之间是相互依存的关系，大数据和云计算都很好，只不过我是做大数据的，如果要让我给你建议，那么就是大数据了
第一个提出大数据概念的公司是
IBM公司因为IBM公司的早期产品就包含了处理大规模数据的技术，不仅开创了大型计算机行业，而且在数据处理和存储方面也处于领导地位，在50年代提出了数据制造的概念，这被认为是大数据的雏形
目前，IBM公司已经成为了全球大型企业的技术合作伙伴，它不仅在数据处理和存储方面取得了领先地位，而且在人工智能和云计算方面也有所建树，这也是当今大数据领域的重要内容和发展趋势
学习大数据、人工智能或云计算方向应该选什么专业
近年来，“大数据”热度持续攀升，但相关人才稀缺，人才缺口巨大。为了缓解供需压力，国务院印发《关于印发促进大数据发展行动纲要的通知》，明确鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。随着高考告一段落，选专业、选学校成为家长们的主要工作，那么国内开设大数据专业的学校有哪些呢?下面就来给大家介绍一下。
大数据专业——清华大学数据科学研究院;
大数据分析——北京大学、中国人民大学、中国科学院大学、首都经贸大学、中央财经大学大数据分析硕士培养协同;
大数据技术与应用——复旦大学大数据学院/计算机科学技术学员，山东大学软件学院，西安电子科技大学大数据研究院;
计量经济学大数据分析方向——上海财经大学经济学院，西南交通大学金融大数据研究院;
交通大数据处理——北京航空航天大学交通科学与工程学院;
图书情报学——中南大学信息安全与大数据研究院;
通信与信息系统、信息科学与技术——贵州大学大数据与信息工程学院;
云计算与大数据专业——华南理工大学大数据研究院;
移动云计算方向软件工程——西安交通大学大数据研究院。
以上就是国内设置的大数据相关学科专业的高校，如果你是已就业人员，非常看好大数据的发展前景，想要转行学习大数据技术，参加专业全面的学习是比较明智的选择。
人工智能的数据科学专业与大数据技术专业怎么样前景好么
毋庸置疑，答案是肯定可以的。我们正在先向人工智能的方向发展，难道你可以说前景不好么？
所以说，如果您想学习人工智能领域的一些专业知识的话，完全是可以的。我自己本身是学习大数据与云计算的，跟您提到的专业有些类似的地方，我在学习的过程中，能感觉到大数据技术的强大以及未来强烈的需求。我们的人工智能是要有强大的机械学习和深度学习，在这过程中需要我们自己很强的数学能力对数据进行挖掘，处理过滤等等过程。
在学习的时候，我建议您可以在学习编程的过程时，同时学习高数和算法。有人问，为什么没有英语的？这里我想说的是，在编程的路上，英语并不会给我们造成很大的麻烦，而数学是我们真正的瓶颈。
这就是我的看法，个人观点希望能帮助到您。
感谢坚持关注的朋友~世界很大，幸好有你~
欢迎在评论区留下你的问题或困惑，我将每天与你分享我的观点和心得。
聚焦最新科技咨讯，探寻未来智能领域，我是Mario女陶。
想从零开始自学大数据，请问有哪些书籍推荐
事实上大数据技术体系庞大，包括的知识较多，从最基础的编程基础到数据处理分析及各种工具的运用，整个学习的内容还是很多的，从易到难可以分为4个阶段：
第1阶段：大数据基础语言的学习Java是大数据学习需要的编程语言基础，因为大数据的开发基于常用的高级语言。而且不论是学习hadoop，还是数据挖掘，都需要有编程语言作为基础。因此，如果想学习大数据开发，掌握Java基础是必不可少的。
经典图书推荐：Java高效编程（EffectiveJava）
第二阶段：大数据核心知识学习如果把大数据比作容器，那么这个容器的容量无限大，什么都能往里装，大数据离不开物联网，移动互联网，大数据还和人工智能、云计算和机器学习有着千丝万缕的关系，大数据海量数据存储要高扩展就离不开云计算，大数据计算分析采用传统的机器学习、数据挖掘技术会比较慢，需要做并行计算和分布式计算扩展。
Hadoop生态系统；HDFS技术；HBASE技术；Sqoop使用流程；数据仓库工具HIVE；大数据离线分析Spark、Python语言；数据实时分析Storm；消息订阅分发系统Kafka等。
经典图书推荐：
《Hadoop权威指南》《Hive编程指南》《Spark快速大数据分析》《Spark机器学习：核心技术与实践》
第三阶段：项目实践大数据学习除了各种工具和语言要掌握，还要有良好的数学功底。数学知识是数据分析师的基础知识。对于数据分析师，了解一些描述统计相关的内容，需要有一定公式计算能力，了解常用统计模型算法。而对于数据挖掘工程师来说，各类算法也需要熟练使用，对数学的要求是最高的。
经典图书推荐：
《概率论与数理统计》、《统计学》推荐DavidFreedman版、《业务建模与数据挖掘》、《数据挖掘导论》、《SAS编程与数据挖掘商业案例》、《Clementine数据挖掘方法及应用》、《IBMSPSSStatistics19StatisticalProceduresCompanion》等。
第四阶段：大数据分析—人工智能（AI）大数据学习最终的目的是应用，大数据技术可以应用在各个领域，比如公安大数据、交通大数据、医疗大数据、就业大数据、环境大数据、图像大数据、视频大数据等等，应用范围非常广泛，大数据分析技术离不开人工智能。
经典图书推荐：
《机器学习》《模式分类》《统计学习方法》《数据挖掘实用机器学习技术》《人工智能及其应用》、《概率图模型》
当然，“纸上得来终觉浅，绝知此事要躬行”，大数据学习重要的是练习、练习、再练习，将学到的知识与实际应用场景相结合。事实上，对于零基础的朋友来说，光是看这些书籍是远远不够的，个人建议还是找一家培训机构，边学边看边练，然后找一些好的大数据分析公司参加一些实习，跟大牛学习，从项目中锻炼。
推荐阅读美国担心人工智能领域(美国人工智能出问题)
创业人工智能领域，创业人工智能领域包括
mit 人工智能领域(mit首次提出人工智能)
小米人工智能领域加盟，小米人工智能家居加盟
人工智能领域工程 人工智能领域工程有哪些
医疗人工智能领域 医疗人工智能领域包括
医疗领域人工智能融资(医疗领域人工智能融资现状)
人工智能领域规范，人工智能领域规范文件