在当今信息爆炸的时代，数据已经成为各行业发展的核心驱动力。数据科学作为一门新兴的跨学科领域，涵盖了统计学、计算机科学、数学和领域知识等多个学科的知识。那么，数据科学到底要学什么呢？

首先，数据科学学习的核心是统计学和机器学习。统计学是数据科学的基础，通过统计分析方法来理解数据的特征和规律。而机器学习则是数据科学的核心技术，通过构建和训练模型来实现对数据的预测和分类。掌握统计学和机器学习知识，可以帮助数据科学家更好地理解数据、发现数据背后的规律，并从中获取有价值的信息。

其次，数据科学学习还需要掌握数据处理和数据可视化技术。数据科学家需要具备处理各种类型和规模数据的能力，包括数据清洗、数据转换、数据抽取等。同时，数据可视化技术可以帮助数据科学家更直观地展示数据的特征和趋势，从而更好地沟通和解释数据分析的结果。

此外，数据科学学习还需要了解数据库系统和大数据技术。数据库系统是数据科学家存储和管理数据的基础设施，而大数据技术则可以帮助数据科学家处理大规模数据，并实现高效的数据分析和挖掘。

最后，数据科学学习还需要不断提升自己的领域知识和解决问题的能力。数据科学应用于各行业，需要数据科学家具备相关领域知识，能够理解业务需求并将数据科学技术应用到实际问题中去解决。同时，数据科学家需要具备良好的沟通能力和团队合作精神，能够与其他领域专家合作，共同解决复杂的问题。

综上所述，数据科学学习涵盖了统计学、机器学习、数据处理、数据可视化、数据库系统、大数据技术、领域知识和问题解决能力等多个方面。通过系统学习和不断实践，数据科学家可以不断提升自己的技能和能力，成为数据驱动决策的专家，为社会和企业创造更大的价值。