在大学里学习大数据涉及的主要课程可以分为支撑性学科和应用拓展性学科两大类。

支撑性学科

数学：

包括数学分析、高等代数、概率与统计、离散数学等。

计算机科学：

包括数据结构、操作系统、数据库系统、计算机系统基础、并行体系结构与编程、非结构化大数据分析、程序设计导论、程序设计实践等。

统计学：

数据科学导论、统计学习、回归分析、随机过程等。

应用拓展性学科

生物、医学、环境科学、经济学、社会学、管理学 等。

具体课程示例

基础课程：

数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。

必修课：离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概述、计算机系统基础、并行体系结构与编程、非结构化大数据分析。

选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。

其他相关课程

大数据存储与管理：介绍大数据存储和管理的关键概念和技术，包括分布式文件系统和数据库管理系统。

大数据挖掘：教授学生使用机器学习和数据挖掘算法分析大数据，包括分类、聚类、关联规则挖掘等技术。

大数据可视化：介绍如何使用数据可视化工具和技术展示和解释大数据，包括设计有效的数据可视化图表和仪表板。

大数据伦理与隐私保护：探讨大数据使用中的伦理问题和隐私挑战。

实践技能

学习数据采集、分析、处理软件，以及数学建模软件和计算机编程语言。

案例与实践

学习实际案例和项目，应用大数据技术解决实际问题，如使用Hadoop、Nosql数据库等工具进行大数据处理。

通过这些课程的学习，学生将能够掌握大数据领域的基本理论和技能，具备数据分析师和数据科学家的复合型人才所需的专业知识和数据思维能力。建议学生在学习过程中，注重实践操作和实际案例的分析，以便更好地将理论知识应用于实际工作中。