大数据主要学习以下内容：

数学与统计学基础

数学分析、高等代数、概率与统计等课程，这些课程为大数据专业学生提供了严密的逻辑思维和严谨的数学推导能力，是大数据分析中许多算法和模型推导的基础。

数据采集与获取

学习如何从各种来源获取海量、多样化的数据，包括传感器数据、社交媒体数据、日志数据等。

数据存储与管理

学习如何设计和管理高效、可靠的大数据存储系统，包括分布式文件系统（如Hadoop Distributed File System, HDFS）、NoSQL数据库等。

数据处理与计算

学习如何进行大规模数据的清洗、转换和计算，以便发现数据中的模式和规律。主要涉及到分布式计算、并行处理、数据流处理等技术。

数据分析与挖掘

学习如何使用统计学和机器学习算法，对大数据进行分析和挖掘，发现隐藏在数据中的知识和洞察。

可视化与展示

学习如何将分析和挖掘得到的结果进行可视化展示，以便更好地理解和传达数据的含义。

编程语言与工具

掌握Python、R等编程语言，以及Hadoop、Spark、Flink等大数据处理框架。

数据架构与安全

学习数据仓库、ETL（抽取、转换、加载）技术、数据清洗和数据预处理等。

了解信息安全，包括网络协议、安全协议、数据备份等。

软件工程与运维

学习软件工程知识，开发、测试和维护高质量的软件。

学习大数据平台运维、大数据软件技术支持等工作。

人工智能与机器学习

虽然不强制要求，但了解机器学习相关知识有助于更好地进行数据分析和预测。

建议：

数学基础：数学是大数据的基石，务必扎实掌握。

编程技能：Python和R是大数据分析中最常用的编程语言，建议重点学习。

数据处理框架：Hadoop和Spark是大数据处理的核心框架，必须熟练掌握。

数据可视化：掌握数据可视化工具和技术，能够将数据分析结果直观展示。

行业应用：了解大数据在各个行业的具体应用，如智能医疗、电商推荐等，有助于选择职业方向。