大数据专业的学习内容涵盖了多个领域，主要分为基础学科支撑、专业核心课程、实践技能培养以及应用领域拓展。具体学习内容如下：

1. **基础学科支撑**：

- 统计学、数学、计算机科学是大数据专业的三大基础学科。

- 统计学和数学提供了数据分析、概率论等理论基础。

- 计算机科学则提供了编程、数据结构、算法等实践技能。

2. **专业核心课程**：

- 数据采集、分析和处理软件的使用。

- 数学建模软件及计算机编程语言的学习，如Python、Java等。

- 基础课程包括数学分析、高等代数、物理中的数学基础等。

- 必修课程涵盖离散数学、概率与统计、算法分析与设计等。

- 选修课程则更加专业化，如数据科学算法导论、互联网实用开发技术等。

3. **实践技能培养**：

- 通过程序设计实践、大数据分析等课程，培养学生的实际操作能力。

- 学习如何搭建和设计大数据平台，掌握基础设施。

4. **应用领域拓展**：

- 针对不同行业的大数据应用，如生物信息学、医学、环境科学等。

- 学习行业相关的数据安全、生命周期管理、分析和应用。

5. **大数据岗位技能**：

- **大数据系统架构师**：需要了解计算机体系结构、网络架构等，技能涵盖编程范式、文件系统、分布并行处理等。

- **大数据系统分析师**：运用人工智能、机器学习等技能进行数据分析。

- **Hadoop开发工程师**：专注于大数据的存储解决方案。

- **数据分析师**：在不同行业中，负责数据的搜集、整理、分析，以做出行业研究和预测。

- **数据挖掘工程师**：需要一定的数学知识，如线性代数、概率论，以及编程技能，常用语言有Python、Java，熟悉MapReduce、Hadoop、Spark等大数据处理工具。

以上内容展示了大数据专业学习的广泛性和深度，旨在培养能够处理和分析大规模数据集的复合型人才。