本科大数据专业的学习内容可以概括为以下几个方面：

基础课程

数学：包括微积分、线性代数、概率论与数理统计等，为数据分析提供理论基础。

统计学：学习统计学的基本理论和方法，如描述性统计、推断性统计、假设检验、回归分析等。

计算机科学：包括数据结构、算法、操作系统、计算机网络等，为大数据处理提供技术支撑。

专业课程

数据管理与存储：学习数据库系统、数据仓库、数据湖等概念和技术，以及数据清洗和预处理的方法。

数据挖掘与机器学习：学习不同的机器学习算法和数据挖掘技术，从大数据中提取有价值的信息。

数据可视化与报告：学习如何将数据分析结果以易于理解的形式呈现。

编程与算法：学习Python、R等编程语言和算法，进行数据处理和分析。

应用领域课程

根据个人兴趣选择具体的应用领域，如市场营销、金融风控、医疗健康、智慧城市等，深入学习该领域的大数据应用知识和技能。

实践与项目

参与数据分析项目，通过实习等方式，将理论知识应用于实际问题解决中，积累实践经验。

工具与软件

学习并掌握大数据分析相关的软件和工具，如Excel、Python、R语言、Hadoop、Spark、Hive、Avro与Protobuf、ZooKeeper等。

选修课程

根据个人兴趣和职业规划，选择一些选修课程，如数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术等。

通过这些课程的学习，学生将能够掌握大数据分析的基本原理、方法和技能，并具备在实际应用中解决问题的能力。建议学生在学习过程中，积极参与实践项目，提升自己的动手能力和实践经验。