计算机大数据学主要涉及以下学科和技能：
支撑性学科
统计学：提供数据处理、分析和解释的方法论。
数学：包括概率论、数理统计、线性代数、多元统计分析等，为大数据提供理论基础。
计算机科学：涵盖编程语言、数据结构、算法、操作系统等基础知识，是大数据技术的基础。
应用拓展性学科
生物、医学、环境科学、经济学、社会学、管理学：这些学科的知识可以帮助大数据应用在特定领域，如医疗健康、环境监控、市场分析等。
技术技能
数据采集与处理：学习如何使用各种工具和技术采集、清洗、转换和加载数据。
数据分析与建模：掌握使用统计软件和建模技术对数据进行深入分析和挖掘。
编程语言：如Java、Python、R等，用于编写数据处理和分析的代码。
开发框架：如Hadoop、Spark、Flink等，用于构建大数据处理应用。
数据库技术：包括关系型数据库（如MySQL、PostgreSQL）和非关系型数据库（如MongoDB、Cassandra），用于数据的存储和管理。
数据可视化：学习如何将数据以图表、图像等形式展示，便于理解和沟通。
应用领域
互联网行业：搜索引擎、社交媒体、广告投放等。
金融行业：风险管理、客户画像、市场分析等。
医疗行业：基因测序、疾病预测、药物研发等。
零售行业：用户行为分析、商品推荐、库存管理等。
政府行业：智慧城市、公共安全、环境监测等。
职业发展
数据工程师：负责数据的收集、存储和处理，熟悉大数据技术的基本概念和架构。
数据分析师：负责对数据进行分析和解释，帮助企业了解客户需求、市场趋势和业务变化。
大数据架构师：设计大数据平台的整体架构，确保系统的可扩展性和高效性。
大数据科学家：进行高级的数据分析和建模工作，通常需要深厚的统计学和数学背景。
学习计算机大数据需要掌握上述学科知识和技能，并通过实践项目来应用所学知识。此外，了解最新的大数据技术和行业动态也是非常重要的。