新入学研究生想学大数据与人工智能方向，学习路线是怎么样的？谢谢您？

作为一名研究生导师，同时大数据和机器学习也是我的主要研究方向，所以我来一下这个问题。

首先，大数据虽然与人工智能有紧密的联系，但是大数据方向与人工智能方向有较为明显的区别。大数据方向往往致力于数据价值化，涉及到数据采集、数据整理、数据分析（挖掘）、数据呈现等内容，另外还涉及到大数据平台研发和大数据应用研发。

人工智能研究的细分方向包括机器学习、计算机视觉、自然语言处理、知识表示、自动推理和机器人学，另外人工智能按照行业领域划分还可以选择智慧医疗、智慧出行、智慧城市、智慧金融、智能装备、智慧教育等方向。从技术体系结构上来看，人工智能与物联网、云计算、大数据、边缘计算也都有比较紧密的联系。

对于刚入学的研究生来说，从大数据开始学习然后再进入人工智能领域也是可以的，比如从大数据分析转向机器学习就是比较常见的选择。从大数据分析转向机器学习可以按照以下学习路线展开学习步骤：

第一：系统学习一下算法知识。通常大数据方向的研究生在研二的时候会进驻项目组，具体的研发内容要根据导师的安排来进行，而在研一期间一定要做好基础知识的深入学习，其中算法知识就是比较重要的内容。无论是从事大数据还是人工智能，算法知识都是重要的基础。

要从事大数据与人工智能的学习与研究，首先要对大数据、人工智能的基本概念、研究范畴有一个概要性的认识。然后明确自己的学习目标，制订为实现这个目标的学习路线，按照既定路线有计划地进行学习。下面将围绕这几个方面进行介绍。

一、大数据的基本概念

数据是事实或观察的结果，不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等，也是客观事物的属性、数量、位置及其相互关系的抽象表示。

大数据具有5V特点，即：Volume（数据量非常大）、Velocity（产生数据的速度非常高）、Variety（数据形式多样）、Value（数据价值密度低）、Veracity（数据具有真实性）。

大数据的起始计量单位至少是PB（1000多个TB）、EB（100多万个TB）或ZB（10亿多个TB）。数据类型包括网络日志、音频、视频、图片、地理位置信息等，种类繁杂。

人工智能建立在以线性代数和概率论为骨架的基础数学上，通过简单模型的组合实现复杂功能。在工程上，深度神经网络通常其复杂的参数让人望而却步；可在理论上，其数学原理却具有更好的可解释性。