计算机类专业：计算机科学与技术，软件工程，大数据，人工智能，数学媒体技术，信息安全，物联网，网络工程，这些专业对应的就业岗位有，软件开发，算法工程师，机器学习工程师，前端工程师，网络工程师。
选择一门学科学习，我们不能从哪个好学开始，我们得从自身的兴趣和技能优点出发，做一个客观的决定。下面我们先好好捋一捋大数据和人工智能的概念和研究方向。
1、大数据
大数据是物联网、Web系统和信息系统发展的综合结果，其中物联网的影响最大，所以大数据也可以说是物联网发展的必然结果。大数据相关的技术紧紧围绕数据展开，包括数据的采集、整理、传输、存储、安全、分析、呈现和应用等等。目前，大数据的价值主要体现在分析和应用上，比如大数据场景分析等。
2、人工智能
人工智能是典型的交叉学科，研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。人工智能的核心在于“思考”和“决策”，如何进行合理的思考和合理的行动是目前人工智能研究的主流方向。
3、大数据与人工智能
大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作，比如机器学习就是数据分析的常用方式。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是智能体（人工智能产品），为智能体提供的数据量越大，智能体运行的效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。
目前大数据相关技术已经趋于成熟，相关的理论体系已经逐步完善，而人工智能尚处在行业发展的初期，理论体系依然有巨大的发展空间。从学习的角度来说，如果从大数据开始学习是个不错的选择，从大数据过渡到人工智能也会相对比较容易。人工智能涉及的领域非常广泛，工业、航天、商业都有应用，并且已经深入人们的生活，打开手机中的Cortana或者Siri，这就是AI的产物。
分析让大量的数据有了价值，机器开始懂得用户想要什么，可以预测未来的天气和球赛的比分，这种人工智能与场景的结合，要实现的就是改变生活方式和解放生产力。具体来说，很多过去只有人能做的事情，现在更多的情况下能够通过机器实现，典型的例子包括语音助手、无人驾驶汽车。更重要的是，当硬件性能逐渐提升、计算资源越来越强大时，成本却越来越低廉。
4、两者的未来发展方向
聚焦新零售
在最近的大数据和人工智能的应用热潮中，几乎没有哪个领域像零售业这样可以让企业受益。无论是沃尔玛还是当地的母婴店，各地的企业似乎都在利用这些技术来降低管理费用，同时扩大业务范围。例如，客服人员可能会被人工智能助理彻底取代，但更重要的是，零售商可以通过人工智能跟踪他们的库存，而消费者的兴趣很快就会发生革命性的变化。随着越来越多的零售商将大数据和人工智能应用到他们的商业模式中，预计这个行业现在可以利用人力和机器的力量来获得更多的利润。
聊天机器人应用越来越广泛
Facebook，Skype和Slack等公司都在其服务中添加了聊天机器人，他们对消费者来说非常有趣，包括法律帮助热线，技术创新让聊天机器人越来越智能。这意味着它们可以为人们解析法规，通过有效的诊断来指导患者。
如果大数据继续以目前的高速度增长，那么预计在日前使用的社交媒体平台上将会有应用更广泛的聊天机器人。这可能比人们想像得还要快，这些由 人工智能技术 驱动的机器人可能会更加有效地与人们聊天，人们甚至可能无法判断是否正在与另一个人交谈。
人工智能和云计算的结合
随着越来越多的企业采用人工智能解决方案以应对其业务困境，其中许多公司将寻求加强其IT基础设施，并将业务转向云端。随着大数据应用者的规模越来越大，人工智能越来越成为一种主流，随之而来的数据需求将给企业的本地服务器带来更大的负担，这意味着他们需要在别处满足他们的数据需求。
云计算非常适合帮助满足和管理这些不断增长的需求，因为内部部署的服务器和数据管理对于企业来说变得过于混乱并且成本高昂。
更加智能的市场营销
市场营销是利用大数据的力量革命化的关键领域之一，通过梳理大量的数据，企业能够比以往任何时候都更准确地针对特定的消费者，将广告和交易直接发送到潜在消费者的邮箱或家门口。
随着越来越多的公司试图利用自动算法来分类数据以找到潜在的客户，人工智能领域将受益于行业投资的增加。而实时定位可以为正确使用的公司带来20%以上的销售机会，这意味着采用人工智能可以获得十分丰厚的利润。
暗数据的新纪元
随着大数据的增长，利用暗数据获得商业成功的机会也将随之增加。所谓的暗数据就是企业正常商业活动期间搜集，处理，存储的数据。但这些数据通常无法用于诸如分析，商业关系或者是直接变现获利等目的。对于并不熟悉人工智能和数据管理领域的许多人来说，这种数据不断被证明是有用的。暗数据可能难以让人理解，但随着越来越多的企业投资人工智能，这些迷惑可能就会消散，并导致人们对正在进行的数据革命的热情更高。
本回答被网友采纳学习的难度比较高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得好，还要有一定的机械设计能力(空间思维能力也重要）
当今人工智能立足于深度（多层）神经网络，进行深度机器学习，可以根据大量的训练数据来提高模型优化能力。人工智能是基于大数据的支持和采集，运用于人工设定的特定性能和运算方式来实现。
因此，人工智能离不开大数据，人工智能需要依赖大数据平台和技术来帮助完成深度学习进化。