大数据技术专业主要学习以下技术：
编程语言
Java：一种强类型语言，适用于编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序，是大数据工程师常用的编程工具。
Python：因其简单易学且拥有丰富的库资源，成为大数据分析的首选工具之一。常用的库包括Pandas和NumPy。
Scala：一种运行在Java虚拟机上的语言，常用于大数据处理框架Apache Spark。
操作系统
Linux操作系统：大数据开发通常在Linux环境下进行，掌握Linux基础操作命令是必要的。
数据库技术
关系型数据库：如MySQL和PostgreSQL，适用于存储结构化数据。
NoSQL数据库：如MongoDB，适用于存储非结构化数据。
数据仓库工具：如Hive，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能。
大数据处理框架
Hadoop：其核心是HDFS（Hadoop Distributed File System）和MapReduce，用于存储和处理海量数据。
Spark：基于内存计算的大数据处理框架，适用于实时数据分析。
Flink：一个分布式流处理框架，用于处理无界和有界数据流。
数据采集与预处理
数据采集技术：如Sqoop、Flume和DataX，用于从不同数据源提取数据。
数据预处理：包括数据清洗、数据转换和数据集成等步骤。
数据存储与管理
分布式存储：了解Hadoop分布式文件系统（HDFS）和其他分布式存储系统。
数据分区与索引：掌握数据分区和索引等管理方法。
数据分析与挖掘
数据分析和处理技术：研究如何收集、清洗、储存和处理海量数据，以提取有价值的信息。
数据建模和可视化：学习使用统计学和机器学习技术，在数据上建立模型，并将结果以可视化方式呈现。
数据挖掘算法：应用各种算法和技术，自动从数据中挖掘出模式和关联性，进行预测和分类等任务。
大数据平台与工具
大数据平台：如Hadoop、Spark等，用于快速处理和分析海量数据。
数据可视化工具：学习如何使用数据可视化工具将数据以图表、报表等形式展示。
大数据安全和隐私保护
数据安全和隐私保护技术：了解数据安全和隐私保护的相关技术，确保大数据在处理和传输过程中的安全性和隐私性。
专业基础课程
计算机网络技术：了解网络通信原理和数据传输。
Web前端技术基础：掌握前端开发技术，了解网页制作和交互设计。
程序设计基础：学习编程基本概念和算法。
专业核心课程
数据采集技术：掌握数据采集的方法和工具。
数据预处理技术：学习数据清洗、转换和集成的方法。
大数据分析技术应用：应用大数据分析技术进行数据挖掘和预测。
数据可视化技术与应用：学习数据可视化工具和技术，将数据以图表形式展示。
大数据平台部署与运维：掌握大数据平台的部署、管理和运维技能。
通过学习这些技术，可以全面掌握大数据技术的各个方面，从而在大数据行业找到合适的工作岗位。建议从基础课程入手，逐步深入到核心课程，同时结合实际项目进行实践操作，以加深理解和掌握。