大数据技术主要学习数据分析与挖掘、数据存储与管理、数据处理与计算等，详细介绍如下：

一、数据分析与挖掘：

数据分析与挖掘是大数据技术中非常重要的一环，学生需要学习统计学以及机器学习等知识，掌握数据的特征提取、数据清洗、数据预处理、数据可视化和模型建立等技术。

学生需要掌握常见的数据分析方法，如聚类分析、分类分析、关联规则挖掘等，以及相应的数据分析工具和算法，此外学生还需了解数据挖掘中的数据隐私保护和安全性问题。

二、数据存储与管理：

大数据技术需要处理海量的数据，因此学生需要学习数据存储与管理的知识，学生需要了解关系型数据库、非关系型数据库、分布式文件系统等不同的数据存储技术。

学生需要掌握数据建模、数据库设计、数据索引、数据备份与恢复等数据管理技术。学生还需了解数据仓库技术和数据湖技术等大数据存储与管理的新技术。

三、数据处理与计算：

数据处理与计算是大数据技术中的核心环节，学生需要学习分布式计算并行计算等知识，掌握大数据处理与计算的常见技术和框架，如Hadoop、Spark等。

学生需要学习MapReduce编程模型、数据流处理、图计算等技术，了解批处理和实时处理的区别与应用场景。学生还需学习数据压缩、数据加密、数据传输等相关技术，以提高大数据处理与计算的效率和安全性。

四、数据可视化：

数据可视化是大数据技术中的重要环节，学生需要学习数据可视化的理论和方法，了解不同类型数据的可视化方式和工具。

学生需要掌握数据可视化的原则和设计规范，能够运用数据可视化工具，将数据转化为可视化图形，并能进行数据故事讲述和分析，此外学生还需了解交互式数据可视化和大屏展示等高级技术和应用。