学习计算机大数据需要分阶段进行，以下是详细的学习路线和建议：
奠定基础
数学与统计学：掌握线性代数中的向量、矩阵运算，概率论中的概率分布、随机变量等概念，以及统计学里的均值、方差、标准差、相关性分析等方法。
计算机基础：熟悉一种编程语言，如Python或Java，了解数据结构（如列表、字典、集合等）和算法（如排序、搜索算法），掌握数据库的基本操作（如关系型数据库MySQL和非关系型数据库MongoDB）。
深入学习
数据采集：学习如何从各种数据源（如传感器、网络爬虫、日志文件等）收集数据，并将其整合到一个统一的数据存储平台。例如，使用Python中的BeautifulSoup库进行网页数据抓取，Fluentd进行日志收集。
数据存储与管理：重点学习Hadoop分布式文件系统（HDFS）和NoSQL数据库（如MongoDB）。
大数据核心技术：包括Hadoop用于大数据存储和处理，Spark用于快速通用的集群计算，Flink用于实时流处理，Hive用于数据仓库等。
实战训练
通过实际项目或数据集进行练习，加深对所学知识的理解和应用。例如，使用实际数据进行数据清洗、数据整合和ETL处理，使用Hadoop或Spark进行大数据处理和分析。
持续学习
关注大数据领域的最新技术和工具，如分布式数据库、数据可视化工具和深度学习框架等。这些技术可以帮助你更准确地完成任务和解决问题。
选择方向
根据自己的兴趣和职业规划，选择大数据领域的一个具体方向进行深入学习。例如，可以选择数据采集、数据存储、数据安全、数据分析或数据呈现等方向。
课程与认证
可以选择参加一些线上或线下的大数据相关课程，获取认证证书，以提升自己的专业能力和竞争力。例如，掌握企业级ETL平台的kettle2，BI的可视化平台Superset，以及大数据企业开发中的Linux操作等。
通过以上步骤，你可以逐步建立起对计算机大数据的全面理解和应用能力。建议在学习过程中，保持耐心和决心，不断实践和探索，以获得更好的学习效果。