Продолжать учить Python и выучить Django. Совсем хорошо, если ещё овладеть NumPy и Pandas. Со всем этим добром активно искать вакансии, проходить собеседования, обязательно брать обратную связь, подтягивать то, из-за чего не взяли, повторять попытки.
Подобно учебнику Кантора, исчерпывающий набор базовых знаний даёт учебник Лутца. Нюансы и особенности же любого языка раскрывает только опыт, документация и исходный код реализации.
Грубо говоря, это означает только то, что 8 ядер процессора будут восприниматься операционной системой не как 16.
И эта "многопоточность" не имеет никакого отношения к одноимённому тегу, использованному вами в вопросе.
Любой performance engineer вам скажет, что тесты измеряют только производительность тестов. Конкретно вы в конкретно вашем проекте теряете деньги на низкой производительности? Провели всесторонний анализ и выяснили, что корень всех зол в выбранном фреймворке? Если нет, то вопрос - чистый софизм.
Я не просто считаю, я точно знаю, что в data science не приходят новички с улицы, это направление для уже профессиональных программистов с превосходной математической подготовкой. Задача новичка в начале карьерного пути - получить базовые знания и как можно более широкий кругозор в ИТ, устроиться на любую работу, куда возьмут, дорасти до мидла, в процессе перепробовать всё, до чего руки дотянуться, а после уж выбирать интересную для себя специализацию.