1樓：
這得看題主將來是想找更偏重演算法還是更偏重系統開發的工作？當然兩者都擅長是最好了，但是Spark好像不太適合deep learning，題主可以嘗試一下別的框架，例如tensorflow，caffe。ps，我覺得你應該聽你導師的，逃！！！
2樓：
沒啥關係。Spark只是乙個框架而已，在上面跑什麼都可以。
把Spark和DL結合起來的專案不少，基本都是基於Parameter Server架構，worker算了gradient然後傳到driver去aggregate。不過感覺沒啥人用，只是玩兒玩兒。
Deeplearning4j on Spark
3樓：強哥
spark是個分布式計算系統，用以解決大規模資料計算問題，熟練掌握它以後可以做架構師，而深度學習是個演算法框架，可以做到資料的特徵的自動提取，常用於影象處理、語音識別、文字識別等領域，熟練掌握可以做演算法工程師
4樓：
一條一條說吧。
0)學習spark 按我的理解不需要hadoop 基礎吧，只需要理解Map-Reduce 程式設計模型就行啦(順便了解一下函式式程式設計思想吧)。
1)Spark只是乙個分布式機器學習工具，而處理你當前的問題Spark不一定是最好的工具，我覺得還是根據自己要處理的問題選擇合適的工具吧，碰到釘子找錘子，而不是拿著錘子去試能不能訂某個釘子。
2)Spark 不等於大資料分析，大資料分析還包含很多其他的東西。根據題主的描述，題主的實驗室可能更偏向機器學習一點吧(當然也可能偏系統方向，這個我不確定)，所以我覺得題主還是專注到機器學習上吧，當你遇到大規模資料的時候，自然需要了解和使用一些常見的計算框架，到時候再學也來的急，這些工具很多，不侷限於Spark. 最後，如果本身比較感興趣，先學學Spark 還是可以的。
技多不壓身啊。
5樓：龔禹pangolulu
Yahoo剛開源了CaffeOnSpark，可以了解一下http://
還有就是題主為什麼一定要在Spark上搞深度學習呢？
MapReduce和Spark主要解決哪些方面的問題？
框架不一樣 Tasks 並行化 MapReduce Map 把上傳到hdfs的檔案一行一行拆分，然後你coding一對key value pair，傳送給不同worker nodes，Reduce 進行統一key的歸納操作 Data 並行化 Spark mapreduce和spark都是分布式計算框...
Hadoop和Spark有什麼區別
姬不鬧 對比不恰當。應該去關注hove和spark的區別。不完整的比喻，hadoop是鐵軌，上面跑綠皮車hive和跑高鐵spark有區別。而不應該問鐵軌和高鐵有什麼區別。 windofjava 誕生的先後順序，hadoop屬於第一代開源大資料處理平台，而spark屬於第二代 屬於下一代的spark肯...
hadoop和大資料的關係？和spark的關係？
我要來裝b了 hadoop生態提供了一些解決大資料問題的元件 分布式儲存系統HDFS 提供高可靠性，高擴充套件性，高吞吐率的資料儲存服務 分布式計算框架MapReduce 高容錯，高擴充套件 資源管理系統YARN 資源管理，任務排程 還有其他亂七八糟的什麼zookeeper hbase ambari...