数据化教学专业的学习内容可以概括为以下几个方面：

基础学科

统计学：用于数据分析、建模和解释。

数学：包括数学分析、高等代数等，为数据处理和算法设计提供理论基础。

计算机科学：涉及数据结构、算法、编程语言等，是数据处理和软件开发的基石。

支撑性学科

生物、医学、环境科学、经济学、社会学、管理学：这些学科为数据化教育提供应用背景和拓展领域。

技术技能

学习数据采集、分析、处理软件。

掌握数学建模软件和计算机编程语言。

专业课程 （以某大学为例）：

基础课程：

数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。

必修课：离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析。

选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。

这些课程涵盖了数据化教学专业的核心知识和技能，旨在培养学生在数据分析和数据驱动教学方面的专业能力和应用能力。