1樓：Ayer
因為十年以上的IT，平生所學要是和這些都不沾邊的，差不多都轉行了。不轉行，只是做個碼農寫寫外圍和年輕人去拼體力的話也不長久了。
2樓：李俊誠
雲計算，大資料，機器學習，深度學習俗不俗我不知道，但你不可否認你的生活已經被他們徹底顛覆。包括知乎給你推薦的候選回答者，包括我能看到我感興趣的話題。這一切都是推薦系統在後面加持。
而深度學習加持的肺部檢測系統，這次更是在新冠肺炎的檢測中大顯神威。所以，俗不俗不重要，重要的是它確確實實改善了你我的生活。社會分工就是這樣，"俗"的領域也好，高尚的領域也好，總要有人去做。
而恰恰你口中當今計算機界四大俗的專業有著一大堆從業者，包括我。
3樓：Frank Tian
機器學習深度學習比較懂，大資料略懂，雲計算外行。
起碼2023年的今天是聽不到"四大俗"的說法了，不變的是這四個依舊經常被拿到一起說事。
四年前深度學習剛起飛，從2010到2020這十年的飛快進展讓越來越多的人習慣把深度學習和機器學習分開說，因為深度學習實在太複雜了。
然而，必須時刻牢記的是，深度學習始終是機器學習的一部分。
至於大資料，更多的和深度學習掛鉤，因為深度學習的大容量模型需要更多的資料。而傳統的機器學習，往往不需要太多資料，畢竟資料多了貝葉斯推斷也跑不起來。
而雲計算，越來越火了，是因為人工智慧在工業界的部署需要算力支援，而密集的計算平台比嵌入式的計算平台的效率更高，當然這也要感謝計算機網路的進一步完善。
回過頭來看這四個名詞，你會發現在這四年間它們的確越來越火了，如果你的「俗」指的是大眾的話，那也確實越來越俗了，畢竟這幾個詞我父母估計都聽過。
但是他們背後的是更深刻的數學，統計學，計算機工程，軟體工程以及更多交叉學科的研究，他們一點都不俗，既很少被大眾熟知，也不簡單易懂。
當然，俗不俗的都是工業界的說法，在學術界，縱觀所有學科，唯一能說上俗的
怕是只有石墨烯了吧？
4樓：永明君pvc
因為所有想增加融資籌碼的公司都在這幾個方面下注，這幾個方面在市場最好融資，至於成不成熟，能不能賺錢，企業也不是十分在意，能圈到錢就好。
所以，提供的這方面崗位也是比較多而且薪資高。
但是，又有多少真的有阿里雲計算的資金實力，燒得起/等得起呢？
5樓：「已登出」
奈米材料確實是牛皮，電動汽車不是吧。我記得磷酸鐵鋰的效能是指數上公升的，滴滴電動車的全壽命成本已經不高於燃油車了。鋰電池正極材料是我知道的唯一的可以給材料畢業生帶來二十萬年薪的行業。
物聯網也還行？我看小公尺搞得有聲有色的。5G時代車聯網沒準真能被華為搞成了呢。
風能也不算牛皮吧。我看張家口那邊風電挺多的。
大資料，機器學習，資料探勘是對應大學什麼專業？
4Fires 在你的問題中機器學習可以作為乙個單獨的學科開設，但大資料和資料探勘涉及多學科，是多個專業領域的交叉融合。大資料報含資料探勘的內容，資料探勘需要機器學習來支撐。它們的學科基礎是線性代數 數理統計 工程數學 凸優化 優化演算法 數值計算 計算機基礎。每個大學的本科專業都有不同，只能給你些參...
大資料 雲計算 人工智慧和機器學習該選哪個方向？
田怯坑 關於大資料 雲計算 人工智慧三者關係的話題已經不少了，其實認真看過其他相關話題的話，應該也就沒什麼好疑惑的了，它們三者互為服務，互為補充，沒人敢肯定哪一樣是最重要的，且不說它們相互相承的關係。只說技術也是在不停地進步的，不要給自己挖坑哦 最好可以全面學習。簡單說下四者關係和分別是什麼，看看你...
機器學習 大資料 雲計算會端掉量化寬客的飯碗嗎？
銘銘 大資料 是需要新處理模式才能具有更強的決策力 洞察發現力和流程優化能力來適應海量 高增長率和多樣化的資訊資產。雲圖徵信 國內領先的應收賬款融資和風控雲平台 這個問題就像當初 量化交易會踹掉手工交易麼？有一堆人否定，也有一堆人肯定，但時間最後會說明一切。一樣，先進生產力會替代落後生產力。我自己也...