前言
最近，我与一些刚毕业的海外硕士交流，他们一致选择了大数据和人工智能（AI）方向。我不禁问道：“你们的一年制硕士或1.5年制硕士课程，没有研究经验，也没有完成论文，如何在AI和大数据领域立足？”他们的回答引发了我的深思。
这些年轻人中的大多数在本科时并非计算机专业出身。如果选择传统的工程领域，他们明显无法与计算机科学专业的毕业生竞争，因为大家的起点和基础不在同一个水平线上。实际上，有些人接触编程的时间还不到一年，许多技术名词甚至都没听说过。例如，Java开发中的JDBC（Java Database Connectivity）、前端开发中的jQuery。新入行的前端开发者可能只知道Vue.js。虽然现在使用jQuery的场景确实减少了，但不掌握这些知识总感觉不是一个完整的体系。
为什么要选择大数据和AI
那么，为什么他们会选择大数据和AI方向呢？
首先，这个行业相对较新，处于启蒙阶段，技术差距相对较小。大数据和AI的行业发展时间和招聘时间都不超过五年，大部分从业者都是新手。即便有些人知识和技能略微丰富，但他们也不会形成强大的竞争压力，因此大家的起点差距不大。某些公司招聘数据分析师、大数据工程师或AI工程师，其实要求并没有那么高，说白了就是需要“调包工程师”，通过调用现成的库和框架，就能快速上手工作。
此外，大数据和AI的技术栈相对简单，学习成本较低。大数据领域的主要技术栈包括Hadoop生态系统（如HDFS、MapReduce、YARN）、Apache Spark、Hive、Pig、HBase、Cassandra等；AI领域主要包括深度学习框架，如TensorFlow、PyTorch、Keras等。相比之下，传统工程领域的技术栈要复杂得多。例如，前端开发中，有些功能可能需要用JavaScript写很久，而使用现成的组件库如React、Angular，能够大大提升开发效率。大数据和AI领域的信息差相对较小，新手可以通过短时间学习迅速上手。
最后
我在硕士阶段学习的是数据科学，当时我们的大数据课程主要包括Hadoop、Spark、Hive、Pig等技术，AI方向只是了解最基本的前馈神经网络（Feedforward Neural Network），并布置一些任务让我们自己做预测项目。那时候我并没有想到要走大数据和AI方向，因为在国内这个方向的招聘信息并不多，所以我一如既往地选择了工程类的方向。如今看到这些年轻人懂得选择适合自己的发展道路，真是感慨万分。
这些年轻人非常聪明，他们懂得根据市场需求和自身情况做出明智的选择。现在，大数据和AI领域的发展日新月异，特别是在数据科学、机器学习、深度学习、自然语言处理（NLP）、计算机视觉等方面。通过掌握这些技术，他们不仅能够找到满意的工作，还能在这些前沿领域中不断成长和进步。我相信，在大数据和AI的道路上，他们一定能走得很远，也希望他们能不断学习和成长，成为这个领域的专家。
