考研大数据分析主要学习以下内容：
数据结构与算法：
这是计算机科学的基础，对于理解和处理数据至关重要。
数据库系统：
学习如何高效地存储、查询和管理数据。
统计学：
提供数据分析的理论基础，包括概率论、数理统计、回归分析等。
机器学习：
通过算法和统计模型使计算机系统能够自动改进性能，包括监督学习（如分类和回归）和非监督学习（如聚类）。
编程语言：
如Python，用于实现数据分析算法和数据处理。
数据挖掘：
从大量数据集中提取有用信息的技术和方法，包括分类、回归、聚类和关联分析等。
数据可视化：
将复杂的数据以直观的方式呈现出来，帮助理解和解释数据。
云计算：
学习如何利用云计算平台进行大数据的处理和分析。
此外，还需要掌握一些关键的工具和技能，如数据预处理、特征选择、模型构建和结果评估等。数据预处理包括处理缺失值、去除噪声数据、数据归一化等步骤；特征选择是从大量特征中选择最有用的特征，以提高模型的性能和解释性；模型构建是使用选择的特征和数据构建预测模型，包括分类、回归和聚类等；结果评估是衡量模型性能的过程，使用指标如准确率、召回率、F1分数等进行评估，并通过交叉验证和留一法等方法提高模型的泛化能力。
建议学生在准备考研大数据分析时，重点复习上述内容，并加强实践和操作能力的培养，以便在解决实际问题时能够灵活应用所学知识。