计算机大数据相关的课程可以分为以下几个主要方向：
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、离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程。
大数据核心课程
大数据处理技术：Hadoop、Spark等大数据处理框架的原理和使用方法，分布式计算、内存计算等技术。
数据存储与管理：HDFS、HBase、Cassandra等大数据存储和管理系统的原理和应用。
数据挖掘与机器学习：数据挖掘的基本原理和方法，聚类、分类、关联规则挖掘等技能；机器学习的基本概念和算法，如线性回归、决策树、神经网络等。
数据可视化：Tableau、D3.js等数据可视化工具的使用方法。
大数据应用课程
大数据与人工智能：了解大数据与人工智能的结合，学习如何使用大数据技术辅助人工智能应用的开发。
大数据与物联网：探讨大数据技术在物联网领域的应用，如智能家居、智能交通等。
大数据与金融：学习大数据技术在金融领域的应用，如风险控制、信贷评估等。
大数据与医疗：了解大数据技术在医疗领域的应用，如基因数据分析、疾病预测等。
编程语言课程
Python编程：广泛应用于数据分析、机器学习等领域，学习Python基础语法及数据处理库（如Pandas、NumPy）。
Java编程：大数据领域广泛使用的编程语言，特别是Hadoop生态系统的开发。
Scala编程（可选）：对于后续学习Spark等框架有帮助，但非必须。
操作系统与计算机网络课程
操作系统知识：进程与线程、缓存一致性、CPU时间片调度等。
计算机网络知识：OSI七层体系、TCP/IP四层体系等。
行业应用与实践课程
网络爬虫技术与应用。
大数据分析实战。
这些课程共同构成了计算机大数据专业的知识体系，学员可以根据自己的兴趣和职业规划选择相应的课程进行深入学习。建议学员在学习过程中，注重理论与实践相结合，通过实际案例分析和实践操作来巩固所学知识。