说真的，我非常喜欢数学，而不是计算机。
计算机特别是理论计算机方向和数学的差别并不大。计算机早期大神图灵冯诺依曼香农也都是数学大神。下面是一些理论计算机的方向，随便一个就可以把普通人的智商压榨到欠费停机。而且理论计算机和数学很像的一点在于，他们的主要工作方式都是推公式和证明。
Algorithms: 图论算法、随机算法、参数算法、采样与计数算法Big Data: 数据结构、分布式与并行计算理论Complexity: 计算复杂性理论、精细复杂性、参数复杂性 、通信复杂性Quantum: 量子算法、量子计算复杂性理论、量子信息论与量子通信复杂性换个角度说，多少做数学的现在都在往计算机结合，特别是做应用数学的，做优化的。所以对提问者最好的办法就是不喜欢的课六十分飘过，全身心投入那些和数学结合紧密的课程，觉得数学基础不够牢靠，还可以辅修数学，或者选择数学的第二学位。
可以考虑读研时研究这些计算机中偏数学的方向：论中的3-SAT问题与自动定理证明有关四色定理就是用相关技术证明出来的计算代数学GAP-system相关软件包开发的研究会涉及计算代数学此方其就是将群环域中已经被发现的代数结构写成代码，这些代数结构可以用算法构造出无限多的新结构然后可以用搜索算法寻找其中满足特定性质的结构，并且研究其中的计算复杂度。
站在数学的角度来看待计算机，计算机就是一个工具。如果自己对于数学很感兴趣，就一定需要通过计算机来解决和验证大量的数学问题所以当前很多数学专业的同学也非常重视计算机知识的学习，很多数学专业的同学会想尽办法为自己开辟有关计算机的实践渠道。
计算几何学：这个方向与计算机图形学关系比较密切，主要研究单纯复形，凸包，空间中的几何对象增删查改，几何体的组合和投影等变换，网格处理剖分等几何算法人工智能理论：目前人工智能理论还在快速发展中，有许多数学理论被应用于其中，比如VC理论，正则化理论，margin理论，推断统计学贝叶斯学派，数理逻辑组合泛化理论，信息论信息瓶颈理论，动力系统神经网络动力系统学派等等，人工智能规划算法中甚至会用到柱形代数分解这种代数几何算法。
组合优化与运筹学主要研究复杂离散约束下的优化与网络调度机器人规划等方向有关最优化理论这个大家都知道，研究深度学习和神经网络的都非常关心最优化理论和前沿的优化器不过国内做这些纯理论方向的团队可能比较少，国内比较偏应用。
计算机领域有偏理论的部分，也有偏应用的部分对哪个部分感兴趣投入相对应更多的精力就好但是这不代表你可以任性的只选择自己喜欢的部分对于不喜欢的就挂科。题主说组成原理已经挂，web设计缓考，题主不能确定你是因为学不下去，所以没有兴趣。还是反过来说没有兴趣所以学不下去。但是呢如果你有精通数学领域的能力，这些基本应用不至于会到挂科的水平。
如果说你真的有任性的资本，数学能力天赋票议可以完全不管不顾别的计算机的东西，到最后即使你计算机学位拿不到，你也有很出色的数学研究能力，那这种是大神级别就像那些数学大牛-样，都是跳级，跨读，直接找大师一起做科研的。这种能力可以说是任性的前提。你可以评估一下自己是不是有这种任性的资本呢？如果没有那建议还是老老实实安下心来读书，不要想着自己喜欢不喜欢的事情。不喜欢的部分合格了，再把其余的精力投入到自己喜欢的东西上这是自己的兴趣爱好自由。
计算机专业确实有不少同学会遇到一些学习困难，我从专业学习和实践等方面说说个人建议。首先计算机大类专业整体的学习压力是比较大的，如果不能做好学习规划同时不重视各种实践活动，那么大概率会遇到一些学习障碍。从专业学习的角度来说大量的计算机专业课都比较重视实践操作，如果脱离实践环节来学习理论知识一方面很难建立起画面感，另一方面也很难获得学习的成就感。
很多同学之所以能够快速建立起学习计算机知识的兴趣一个重要的原因就是能够找到自己的学习切入点，能够通过学习一些专业知识来解决问题这会产生一个正向驱动，一旦这个正向驱动能够启动起来，会不断提升自身的专业认知能力。
我的实践论坛里就有大量来自数学专业的同学。从当前大数据、人工智能领域的研究趋势来看，更多的数学专家在这些领域做创新，这就说明数学跟计算机并不分家很多计算机领域的问题说到底就是数学问题。
从这个角度来看，对于数学感兴趣的同学要坚信自己一定能学好计算机知识，而且越往后学习会越有优势。虽然每名同学所遇到的学习困难都不尽相同但是积极参加各种实践活动是走出学习困难的重要方式之一。