作為一名IT從業者，同時也是一名計算機專業的教育工作者，我來回答一下。
首先，在當前的大數據、人工智能時代，學習大數據和人工智能相關的知識還是很有必要的，一方面掌握這些技術能夠為自己打開新的發展渠道，另一方面掌握大數據等新技術，也會明顯提升自身的職場價值。
從技術體系結構來看，對于初學者來說，可以先從大數據技術開始學起，因為大數據的技術體系已經趨于成熟了，有大量的案例可以參考，另外大數據也是人工智能技術的重要基礎，掌握了大數據技術也會更容易向人工智能方向發展。
初學者學習大數據技術，可以按照以下三個階段來制定學習計劃：
第一：編程語言。編程語言是大數據技術體系的重要基礎，不論是學習大數據開發技術還是學習大數據分析技術，都離不開編程語言。當前用于大數據領域的編程語言有很多，比如Java、Python、Scala、R、Go等語言都有較多的應用，其中Python語言除了在大數據領域的應用比較多之外，在人工智能領域也有廣泛的應用，所以初學者可以先從Python語言開始學起，未來再學習人工智能技術也會比較容易。
Python語言還是比較簡單易學的，一方面Python語言的語法結構比較清晰，另一方面Python語言可以通過不同的“庫”，來實現開發邊界上的擴展。初學者完全可以通過自學來實現入門，后續可以結合具體的開發任務來深入學習。
第二：大數據平臺。學習大數據相關技術一定離不開大數據平臺，大數據平臺不僅是大數據開發的重要基礎，大數據分析同樣離不開大數據平臺的支撐，所以學習大數據平臺知識是學習大數據的重要步驟。
對于初學者來說，學習大數據平臺可以從Hadoop開始學起，一方面Hadoop是開源平臺，另一方面Hadoop平臺的生態體系比較健全，很多商用的大數據平臺也是基于Hadoop打造的，所以掌握Hadoop平臺會有很多應用場景。
第三：實踐。不論是大數據開發還是大數據分析，實踐對于學習大數據都是比較重要的，實踐的過程不僅能夠積累一定的行業知識，同時也會推動初學者不斷深入學習大數據技術。實際上，在學習大數據技術的過程中，最好能夠邊用邊學。
如果未來要想進入人工智能領域發展，在學習大數據的過程中，應該重點關注一下機器學習知識，機器學習也是大數據分析的兩種常見方式之一，同時機器學習還是人工智能技術的六大主要研究方向之一。對于很多初學者來說，在學習人工智能技術的初期，都是從機器學習開始學起的，機器學習也可以看出是打開人工智能技術大門的鑰匙。
學習機器學習還是具有一定難度的，而且需要初學者具有一定的數學基礎和編程基礎，但是如果數學基礎比較薄弱也并不需要過于擔心，在學習的初期并不會遇到特別復雜的數學知識，比較常見的就是線性代數和概率論等基本問題。
最后，學習大數據知識和人工智能知識，要有一定的實驗場景，通常需要數據中心的支撐，所以要盡量為自己營造一個較好的學習環境，在掌握了基本的大數據知識之后，可以繼續通過實習崗位來提升。