大数据挖掘需要学习的课程包括：

数据科学：

涉及数据收集、清洗、分析和解释的各个方面，包括数据可视化、结果解释和业务理解能力。

统计学：

提供分析数据的理论基础和方法，包括描述性统计和推断统计。

机器学习：

通过算法从数据中自动学习模式和知识，包括监督学习、无监督学习和强化学习。

编程语言：

如Python、R等，用于数据处理、分析和建模。

数据库管理：

包括关系型数据库和分布式存储系统，如SQL、NoSQL、Hadoop、Hbase、Cassandra等。

数据可视化：

将数据分析结果以直观的方式展示给非技术人员。

云计算：

涉及如何利用云计算资源进行数据处理和分析。

数据预处理：

包括数据清洗、数据归一化、数据转换等，以提高数据质量。

数据分析：

通过统计方法和数据挖掘算法对数据进行分析，发现数据中的模式和规律，包括描述性分析、诊断性分析、预测性分析和规范性分析。

数据伦理：

涉及数据使用的道德和法律问题。

建议：

理论与实践相结合：在学习理论知识的同时，多参与实际项目，以加深对大数据挖掘技术的理解和应用。

选择合适的编程语言：根据个人兴趣和项目需求，选择Python或R等编程语言进行深入学习。

关注最新技术：大数据和机器学习领域技术更新迅速，建议定期关注最新的研究进展和技术应用。