大数据学习的核心课程包括：数学分析、统计学、数据挖掘、大数据处理与分析技术、机器学习等。

大数据领域涉及的知识体系非常广泛，核心课程可以概括为以下几个方面：

1. 数学分析：这是大数据领域的基础课程，包括高等数学、线性代数等，为数据分析提供数学基础。

2. 统计学：统计学是大数据处理的重要工具，学习统计学可以掌握数据收集、处理、分析的基本方法，为数据挖掘和解析提供理论支持。

3. 数据挖掘：数据挖掘是从大量数据中提取有价值信息的过程，课程会涵盖数据挖掘的技术和方法，如聚类分析、关联规则挖掘等。

4. 大数据处理与分析技术：涉及大数据平台技术，如Hadoop、Spark等，以及大数据分析工具，如SQL、NoSQL数据库等。这部分课程重点在于教会学生如何高效地处理和分析大规模数据。

5. 机器学习：机器学习是大数据智能化的关键，学习该课程可以掌握各种算法模型，如监督学习、无监督学习、深度学习等，为从数据中提取模式和预测未来奠定基础。

除此之外，还可能涉及数据可视化、数据库原理与应用、云计算等相关课程。这些课程共同构成了大数据学习的知识体系，帮助学生系统地掌握大数据领域的核心技能。为了跟上行业的快速发展，学生还需要关注最新的技术动态和研究成果。

以上所述，就是大数据学习涉及的主要课程。为了在大数据领域有更深入的发展，系统学习这些课程是非常重要的。