吴坚信
大数据工程师的岗位划分包括大数据平台研发、大数据应用开发、大数据分析以及大数据运维等，在当前的大数据时代，这些大数据相关的工作岗位依然有较大的人才缺口，随着大数据技术的逐渐落地，大数据工程师的需求量会在未来较长的一段时间内保持一个增长的趋势。
随着大数据的发展，人工智能领域也获得了更好的发展机会，尤其在机器学习（包括深度学习）、计算机视觉和自然语言处理等领域都得到了大数据强大的支撑，一些人工智能产品也在陆续运用到生产环境中，比如在物流、工业生产、医疗等领域都存在大量的智能体。
随着市场对于人工智能产品的呼声越来越高，不少科技公司都陆续组建了人工智能研发团队，所以近几年人工智能领域的专业人才获得了更多的发展机会，薪资待遇往往也比较高。但是由于人工智能领域的专业人才往往需要较长的培养周期，而且本科阶段开设人工智能专业的高校屈指可数，这就导致在未来较长一段时间内，人工智能相关人才将长期面临短缺的现象。
虽然人工智能相关人才获得了市场的追捧，但是大数据相关人才也依然是热点之一，大数据人才的发展空间也比较大，随着产业互联网的发展，大数据相关人才将在广大的传统行业发挥出巨大的作用，因此大数据方向依然是一个不错的选择。
最后，大数据和人工智能的关系非常密切，不少人工智能研发人员都是从大数据转过去的，所以大数据也是通往人工智能的重要途径之一。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网方面的问题，也可以咨询我，谢谢！
IT人刘俊明
首先大数据这个技术是成熟的技术，有成熟的开源平台，解决方案，技术路线。所以一个公司要从事大数据的业务，仅仅需要招聘合适的工程师，按部就班，核心仅仅是处理大数据业务。
而人工智能属于最前沿的技术，根本处于探索阶段。
首先能掌握最底层的深度学习技术的公司就寥寥，能应用大公司学习模型处理业务的公司其实也十分有限，我仔细看过阿里云的深度学习模型，发现要用他来做一些简单的人工智能，我根本不知道从哪下手。这就是一项技术不成熟的最根本体现，因为工业化的特征是分工与流水线，计算机技术同样，如果仅仅依靠实验室能做一个阿尔法狗，还远远达不到工业与商用的标准。
另外深度学习是否是人工智能的方案分支还是方案核心，这不仅是一个技术问题，而且是一个理论问题。我想人工智能的终极目标就是机器的自主意识，而意识的理论基础尚需要人脑科学，神经学的支持，这些理论都尚在不断的研究中，所以人类在没有百分之百的弄清楚大脑与意识之前，不可能在人工智能上有本质的突破。
所以现在的人工智能公司，要么就是个噱头为了骗钱，要么挂羊头卖狗肉。当然也有励志于底层研发的团队，但屈指可数，也有少量希望在不成熟的平台上做产品的公司，这其实很有风险，技术不成熟同时就意味着迭代速度很快，浪费资源，生产一些过时产品。
