计算机专业学习的课程主要有大数据技术导论、数据采集与处理实践（Python）、Web前/后端开发、统计与数据分析、机器学习、高级数据库系统、数据可视化、云计算技术、人工智能、自然语言处理、
媒体大数据案例分析、网络空间安全、计算机网络、数据结构、软件工程、操作系统等，以及大数据方向系列实验，并完成程序设计、数据分析、机器学习、数据可视化、大数据综合应用实践、专业实训和毕业设计等多种实践环节。
1、计算机组成原理
2、线性代数，概率与统计和离散数学
3、MIT开设的《Introduction To algorithm》，中文版叫《算法导论》
4、操作系统与编译原理
5、掌握一门常用的编程语言和编程技术
详解：
计算机组成原理（包括先修课程“数字逻辑与数字系统”，简称“数电”）：这是一门硬件基础课，学完后你能清楚的知道如何从用最简单的数字元件，像搭积木一样构成整个计算机系统，那就算及格了。 一门名为计算机体系结构是本课程的扩充包，对于了解近代计算机结构体系当然是必要的，但由于这里讨论的是Top 5，因此我认为计算机组成原理更为基础。
线性代数，概率与统计和离散数学：要知道，凡是能称之为“科学”的专业，就必须有一定的数学功底，否则难以称作“科学”。这三门课我觉得是本科时期最重要的三门数学课，比高等数学重要。如果你想在计算机科学的道路上走远点，那这三门可是必修的。
MIT开设的《Introduction To algorithm》，中文版叫《算法导论》：我觉得应该学习它而不是国内习惯开设的《数据结构》。数据结构仅仅是算法的一部分，国内的数据结构课程回避了很多本质的东西，仅仅是对一些常见的数据结构的罗列，学起来总有些不痛不痒的感觉。《Introduction To algorithm》虽然有些章节夹杂着很多很让人讨厌的“数学”，但却能从本质上带你领略这门十分必要而且有趣儿的课。
操作系统与编译原理：操作系统可以说是《算法导论》的实验课，最好能在学习期间自己实现一个小型的操作系统，或者操作系统各分系统的Demo。编译原理可能是普遍本科生觉得难的一门课，但是作为CS本科生或者未来的软件科学家，这是基础中的基础，学完之后所有的语言在你看来应该没有太大的区别，这门课应该是离散数学+算法导论的实验课。最好能在学习期间自己实现一个小型的编译器，语言最好能自创，或者是某个已有的你喜欢的语言的基本子集。
掌握一门常用的编程语言和编程技术：能了解你用过的所有的程序内部大致是怎样的，能用你熟悉的语言编写大部分的程序，至少不能是对任何一个程序满头雾水。
