大数据小菜鸡
人工智能只是深度学习更高级的使用，而大数据是深度学习的基石。
近几年来，大数据和深度学习，人工智能变得火热起来，并且有越来越火的趋势，企业开口闭口谈AI，好像AI能解决任何事，更好似不谈AI就跟不上时代，我觉得目前深度学习和人工智能大都还是停留在概念层面上。
其实深度学习和人工智能的概念早在上世纪四五十年代都出现了，但是由于当时的技术还不成熟，而且也没有大量数据可供学习，所以一直都没有重大发展，而近几年IT技术的提升，使得企业能轻松获取大量数据，而且生产力的发展，机械重复的工作迫切需要能使用机器替代，这才导致人工智能大爆发，但是目前都还没有一些有效的使用。
未来，大数据和人工智能还有很大的发展空间，也是科技发展和生产力的必然需求。所以现在投入大数据和人工智能是前景不错的。
但是这一行的入行门槛是非常高的。先说偏技术的大数据平台，现在大数据框架很多，比较出门的是hadoop，还有分布式计算平台spark，这需要很强的代码编程能力还需要网络技能和精通Linux系统，这不是一件容易的事，再说深度学习算法方面，这个要求更高，一般都要求硕士，还是数学或者统计学硕士，博士也很常见，经验还需要一定的编程能力，当然，主要是处理数据和建模使用。
如果真的要入行这个，Python是必不可少的基础，另外数据结构，算法模型等等都是必须要掌握的。
人工智能技术日新月异，真正需要的就是要不断学习。
爱数据的小司机
大数据、深度学习与AI有着紧密而有本质区别的联系。
大数据并非新概念，与其说是技术名词不如说是观念！既然是观念就要厘清其内涵。数据永远是过去时，信息是淹埋在数据中的。我们从浩瀚的数据中发现信息、预测未来首先取决于我们的目标何往、意欲何为！我反对某些人说大数据无因果关系的肤浅言论。任何数据只要是有价值的数据就必定包含因果逻辑。无因果逻辑的数据是数据白噪声，需要清洗和矫正的。所以对数据的分析方法都值得首先学习和理解。在此基础上适当修正。不建议追求华丽的算法，只要数据干净、定位清晰，简单的方法就可以得出美丽的结论！所以大数据美在包含信息方面，美在唤醒人们对无声的符号的重视！历史以来，任何企业、组织都积累了丰富的数据，只是一时难以去分析，因为需要耗费大量的精力和人力。故，看待大数据要着眼于“大”：大格局、大战略、大应用。不要被其名称左右。
所谓深度学习是一种处理大数据的方式。如果深度学习仅仅等同与神经网络算法，我也持谨慎的否定态度。因为其机理无人能准确描述和论证，深度学习得到的结果是典型的抓到老鼠是好猫的方法论。人们过度关注稀里糊涂算出来的结果，而几乎没有去论证结果的必然性！这就违背了科学的基本规律！神经网络的收敛性和无奇点性我没看到完美的证据！如此训练出来的东西就敢应用我实在佩服无知者的勇气！
至于AI我论述的很多了……我的观点如下：人类还是要研究自身意识产生的机理，如果脱离意识谈论AI就不是真正意义上的智能。它仅仅属于专家系统范畴……区区算法就能够代替意识纯属胡扯！
当下AI就是模式识别领域的东西，没有任何新颖的东西！新算法的提出者在其深入了解AI后没有不自我否定或者部分自我否定的！这就是无知走向部分有知的过程。如今的机器人不过是自动机械、能对话的机器不过是强大知识库的逻辑...都是人类特定问题域的自动化。
人脸识别、语音识别、姿态识别等等凡是称识别的就是算法逻辑，就不是AI……无人敢说人脸理解、语音理解、姿态理解也正是如此。谈到理解就要建立知识表达、知识如何表达、表达机理本身就很难了……识别与理解中间鸿沟至少在今天看来还难以逾越！
故，针对性的去学习随机过程、概率论、统计学对学习上述内容有重要意义……至于AI，我个人认为没有必要去学习。愿意从事其研究有的是时间和路要走。
流浪者话
通俗的说：深度学习是编程这给计算机设定的数据库储存数据的容量。当然里面的数据是可以被计算机自发的记录（学习），调用及参考，能为电脑针对下一步的行动做出理性或者说更接近最佳的选择而设定的。抱歉，有点绕。大数据可以理解为：多线程共享综合数据库，并带有主动统计并呈现和智能引导（推荐）等功能。其实两者差不多，共性重叠区域非常广。比较通俗，应该好懂。但想这些所谓的只能计算机，如果没有了数据（资料）来源，它就是一台机器，什么用也没有。它再完善，也不会像我们人类那样来领悟和启迪。机器是不懂的。举例：你打它一下，它的传感器会感觉得到并记录记得表情和肢体动作，以后它可能模仿你攻击或自卫，中间并评估双方损失。但它永远不明白，你问什么打它！就算你说出了理由，它仍无法理解你此刻的心情。
梁勇86304567
人工智能有三个分支符号学，深度学习，和行为学。深度学习是基于神经元网络不定方程的训练逼近技术。学习是通过巨大的背景数据训练逼近的方法，大数据和网络能提供神经元网络不定方程学习需要的背景数据（训练库）。完成学习后的神经元网络方程就可以用于识别理解相关，也就是通常人们理解的人工智能系统。但人工智能系统不仅有深度学习技术，还有很多不同的分类。完整的学习人工智能是学术问题起码要经历数学准备，历史准备和算法理解应用等几个阶段才能在某个分支勉强入门。但应用人工智能主要是掌握工具，不需要有太多的人工智能知识储备。和机械工程师学习SolidWorks差不多，把tensflow或其他平台当做一种语言或工具反复应用，熟能生巧。
奥兰多158
大数据是由于人类信息活动产生的，呃，你可以理解为一个巨大的没有任何组织的装满了的垃圾站。对于人类而言，想要利用其中的资源非常困难，正如你想从巨大的垃圾山中找出适配的零件组成一台手机一样，尽管其中有无数台手机的资源，可你一台也拿不到。而人工智能给了我们从中获取利益的可能，不知疲倦且高速运行的人工智能将垃圾山里的物质排列组合，形成成品供人使用，形成利润点。而人工智能有效率高低之分，而目前能有效训练人工智能的算法并不多。
