DUKFWBJ冫
在已經有Java基礎的前提之下，轉行大數據是完全可以的。從發展的角度來說，Java已經處在一門編程語言的成熟期，未來Java程序員要想有更好的發展，則需要深入到一個領域，比如大數據或人工智能，這樣才能有較強的職場競爭力和較好的發展空間。
大數據以Java技術為基礎，在熟練掌握了Java技術以後，再學習大數據的相關技術會容易很多。在有了Java經驗的基礎上，轉行大數據學習，學習的大致步驟為：
1、大數據基礎：Linux基礎、Maven基礎；
2、Hadoop生態體系：HDFS、MapReduce、Yarn及其周邊軟件Hbase、Hive、Pig等；
3、Spark生態系統和Scala語言；
4、算法和工具：如hadoop上的Mahout和spark上的Mllib；
5、項目實戰。
在培訓班學習的週期大概是六個月左右。畢業之後的就業情況還是很不錯的，各大互聯網公司都在囤積大數據處理人才，從業人員的薪資待遇也很不錯。以基本的Hadoop開發工程師為例，入門月薪已經達到了8K以上，工作1年月薪可達到12K以上，資深的hadoop人才年薪可達到30萬—50萬。據全球頂尖管理諮詢公司麥肯錫分析報告顯示，到2020年，大數據或者數據工作者的崗位需求將激增，大數據專業人才的缺口在15萬到20萬之間。
北大青鳥上海號
如果樓主不想放棄Java，那麼我推薦去大數據。
如果從未來前景上看，我推薦去機器學習。
大數據
大數據的大火要更早一些，近些年，熱度已經逐漸被機器學習奪了去。
大數據分析能夠帶來很多神奇的事情，比如谷歌能夠比醫院更早的預測到流感即將襲來，因為大家在去醫院之前，總是習慣先去Google上搜感冒的一些症狀，因此當某地的搜索結果中，感冒相關的query飆升的時候，基本可以確定，流感即將襲來了。
大數據工程師通常是繼續以Java開發為主，但是隻會Java和Hadoop也只是基礎，在真正的大數據開發工程師眼裡，可能連面試的門檻都過不去。
如果真的想做大數據，還要研究分佈式計算的模型，如何寫mapreduce，以及如何進行作業優化，如何解決數據處理過程中遇到的問題。此外最好還要學會Scala，這是在寫spark時常用的語言。
因此，轉大數據，也需要Java開發的你學習很多新的知識，並不是有了Java經驗就能直接上手大數據開發的。
機器學習
相對來說，機器學習與Java的關係更疏遠了一些。你首先需要學習各種先進的機器學習算法，比如支持向量機，神經網絡，決策樹，邏輯迴歸等等，這些都是要閱讀很多文獻，並且對數學，概率論基礎有很高的要求。題主說自己對數學感興趣，這是一個還不錯的開始。在學會了上述算法之後，你需要用編程語言把這些算法實踐出來，比如你需要通過學習歷史數據，從而推測出未來什麼時間某種產品會有更多的需求，從而推薦廠家提前做好庫存準備。機器學習對編程語言的要求並沒有大數據高，目前常用的就是Python，對於Java開發者來說，學習的成本也是很低的。
最後，由於目前機器學習概念的大火，機器學習工程師可以說是供不應求，如果題主想要更好的發展，不妨考慮這個方向。
我是蘇蘇思量，來自BAT的java開發工程師，每日分享科技類見聞，歡迎關注我，與我共同進步。
一個存在感小透明
我也是從事Java開發，對於題主的糾結感同身受，畢竟自己如果在Java上已經算是遊刃有餘的話，已經是付出過很多學習精力，學機器學習的話基本上是要和Java說再見，這無疑是一個非常可惜的選擇。
而且轉機器學習就不僅僅要深入Python，還要對數學算法方面有所造詣，這不是一蹴而就可以熟練掌握的，因此轉人工智能風險也比較大，容易夭折自己的職業規劃。
目前大數據方向依舊是需求量比較大前景非常好的工作方向，Java在大數據領域的應用非常廣泛，光是Hadoop生態圈，就已經夠可以完成很多大數據工作，而Hadoop又巧妙與Java密不可分。
最重要的是大數據方向並不會比還處於初級水平的機器學習工資低，薪資問題的話不用擔心。
我是極客宇文氏，歡迎關注，感謝閱讀。極客宇文氏
機器學習（ML）屬於AI領域，大數據是人工智能的前提，相當於原料，人工智能是基於大數據的支持和採集，運用於人工設定的特定性能和運算方式來實現。因此，人工智能離不開大數據，人工智能需要依賴大數據平臺和技術來幫助完成深度學習進化。
人工智能其實就是大數據、雲計算的應用場景。
簡言之，大數據和機器學習未來的發展空間都很大。
有Java基礎的話，你可以考慮一下大數據開發。
加米穀大數據
看你的規劃是怎樣的吧，這種事情我沒辦法說死。不過就你的職業經歷來看，我覺得如果你從事了很久的Java開發，當然前提是你在一線從事了很久的Java開發，那麼我建議你的首選是轉大數據。
大數據目前用得最多的語言就是Java
Java語言安全性強、精密度高，在可維護性、高性能特性，以及在於整體生態方面，Java語言都具有比較大的優勢，而且在大規模的異構計算機集群、處理高併發、以及複雜的業務邏輯方面，都是Java最擅長的。
除此之外，目前大數據行業最知名的Hadoop生態圈，以及領域你所熟悉的幾乎所有大數據行業的詞彙，比如Hive、Spark等等都是跟Java關係最為緊密，比如說大名鼎鼎的Hadoop本身就是Java編寫的，即使是Spark關係緊密的Scala語言，其實也跟Java有著千絲萬縷的聯繫。
因此Java工程師轉大數據工程師，有著天然的優勢，當然目前在數據挖掘領域，Python也佔據著很大的統治地位。不過在大數據領域，基本上大多數企業都是要求Java背景的公司最多，很多崗位都是直接瞄準Java工程師進行培養。
大數據的崗位市場需求非常大
現在的互聯網，哪家企業不討論大數據？
阿里巴巴旗下的天貓、淘寶有購物大數據，支付寶有支付大數據，菜鳥網絡有物流大數據，百度有搜索大數據、人工智能大數據，騰訊有社交大數據大數據、遊戲大數據、同樣也有支付大數據。可以說每個企業都在佈局大數據，尤其是在大公司。
數學基礎好，如果喜歡機器學習，可以一邊工作一邊學
活到老、學到老，這是一個鐵律。
題主也提到了自己喜歡數學，這對於學系機器學習來說是一個優勢，再加上你有很好的Java學習背景，相信語言的壁壘不是很大，想要學習一些Python的知識其實不是很難，相信真正做過開發的都知道，語言的壁壘不大的。
不過機器學習可不是那麼簡單的，對於數學什麼的要求確實很高，而且這個行業比大數據還要複雜，而且目前人工智能的壁壘還是蠻高的，很多領域都還是在實驗室階段，更多的還是比較尖端的科研，因此學習代價是不小的。機器學習、深度學習目前技術難度還是挺高的，對於算法要求很高。
不過大數據和人工智能聯繫非常緊密，人工智能肯定離不開大數據。不過就我的看法而言，人工智能更加偏向於算法，而大數據更加接近編程，更加靠近業務架構。
EmacserVimer
個人認為轉大數據比較好，變現…賺錢比較快，對於賺錢快的，總是最受歡迎的。AI的發現是個漫長而又緩慢的過程。在阿法狗在圍棋上戰勝了柯潔以後。谷歌向全人類展示了AI的魅力。機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。它的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。其中尤其典型的是專家系統中的知識獲取瓶頸問題，人們一直在努力試圖採用機器學習的方法加以克服。AI的發展功在千秋。人類有壽命，可以機器沒有。可以無限制的學習。甚至超越人類。像黑客帝國或終結者一樣。
如果是985/211畢業，學霸級別的java程序猿轉做機器學習也並非無阻力，需要拾起課本，認真的啃書。但是如果是專科畢業或者高中畢業自學編程。那就強烈建議你轉行做大數據。理論功底對於編程可能毫無作用。你知道紅黑樹怎麼算對你做數據處理的網頁，幾乎毫無幫助。但是卻限制了你進一步發展。有用，真的有用，只是初級程序猿不需要，也用不上。感謝閱讀分享。祝您新春快樂，闔家幸福安康。歡迎點贊。小編百拜。
雞蛋牛奶叉燒包
大數據好，Hadoop、數據倉庫、Zookeeper、SparkSQL、Spark、Strom、Jstorm、ES、Hbase、Kafak、ETL。場景更多，目前機器學習還需要一定的時間才能夠普及，另外彼此是想通的，轉方向也不是不可能。建議先學大數據。
關注我，後臺私信:“大數據”，給你一手最新的視頻資料，以及最新大數據動態信息
油膩的Java
把握現在，等待時機
現在很多主流網站都是使用java開發維護的，所以個人覺得java前景還不錯，所以我的建議是把握好現在，現在做java開發，可以在這一行中深耕努力使自己成為大牛，編程思維越好以後轉啥都比較迅速。
如果有好的機會可以轉到大數據開發的話，當然要抓住機會，現在大數據開發風頭正盛，像大數據平臺搭建、運維、優化監控，數據挖掘分析，大數據設計架構這些大數據相關崗位給的薪資相當豐厚，前途也是很美好。
機器學習這部分不是很瞭解，應該是更注重算法的開發，對數學功底要求很高。至於使用什麼語言開發這個應該不是問題，精通java入手phython會很快的，而且編程這個東西是要是要看編程思維和語言本身關係不是很大。
java人在北京
大數據是底層建築，數據歸一化後才好給輸入給機器學習框架。二者要有機結合吧
JohnnyZeng27
我在公司做了4年java，一年的大數據平臺開發。
根據我的經驗來看，這兩個方向，機器學習相對更高階一點，前景更大點。
而且，不存在用python就放棄java這一說法
一個資深的架構師，都是同時精通多門語言的。
而且你還在學習的過程當中，當你學有所成的時候再考慮後續的問題才對
