x67

Курсы все разные, надо смотреть под себя, чтобы было понятно и интересно.

Не буду советовать курсы, опишу лишь технологии в порядке значимости, а также BI инструменты, с которых стоит начать работу.
1 и самое важное - SQL. Без него никуда. Конкретных СУБД со своими диалектами много, но начинать лучше с какой-нибудь уже взрослой, имеющей развитой диалект и хорошую совместимость со стандартом SQL, например postgresql. Но если на работе уже используется какая-либо БД, она и будет ответом. В аналитике более популярны другие БД типа Clickhouse, но они ограничены с точки зрения возможностей языка и это лучше понимать, чем не понимать. При больших объемах данных естественно работать придется с заточенными под аналитику субд
2 и не менее важное - статистика. Как минимум надо понимать что есть А/Б тестирование, как его проводить, как правильно выдвигать гипотезы и проверять их. Значимость
3 - то, без чего можно обойтись, но то, что все равно придется учить, если не хочется уметь больше и продвигаться дальше - python (+pandas +jupyter и мб некоторые другие библиотеки и фреймворки)
4 - то, что не является чем-то таким сложным, как питон или матстат, но понадобится в работе - Bi платформы. Мейнстримом являются tableau, power bi и qlik. Tableau - наиболее универсальный вариант с хорошими тарифами и возможностью полноценно изучать инструмент бесплатно. С него и советую начать. Power bi - близкий конкурент от майкрософт (что немного накладывает ограничения на стек технологий, но в целом все ок). C qlik не работал, но по ощущениям - очень старая платформа, используемая не самыми "айтишными" и гибкими с точки зрения технологий компаниями. Тоже очень мощная, но она скорее аутсайдер.
Также внимания заслуживают опенсорсные (и бесплатные) Apache superset, metabase и redash. Если в компании данных не очень много и они не слишком сложные, могу посоветовать начать внедрение BI с metabase - удобная система, которая активно развивается. При грамотно спроектированной БД позволяет многие вещи смотреть без SQL вообще, а так же хорошо прокачать SQL на более сложных задачах. Из минусов - не очень большое число визуализаций (впрочем все самое важное есть) и не очень понятная система привилегий и прав доступа. Впрочем уже очень хорошо, что в опен-сорсной БИ есть столь развитая система прав доступа. Redash похож на мету. Суперсет в перспективе их переплюнет, но зачем он нужен, если нельзя построить обычный график, на котором на оси Х нет ничего кроме дат.. впрочем мб эту проблему уже доделали
Еще есть Google Data Studio, который имеет отличную интеграцию с сервисами гугла, но показался сыроватым, впрочем это продукт гугла и это знак качества

Я класса с 5 еще осознал, что записывать - не мое. Я просто не успеваю воспринимать информацию и хорошо ее конспектировать. В итоге любые лекции я всегда слушаю, изредка делая пометки, которые не мешают процессу восприятия информации. И для учебы на 4 (считай оценка эффективности усвоения знаний) это удобно. В большинстве случаев не нужно открывать тетрадь - все знания в голове + мыслительный процесс творят чудеса. В случае, когда нужно большее погружение, удобно использовать чужие лекции - понятно не все, но если сам в этот момент слушал, то восстанавливается почти полная картина. Это если говорить про учебу в техническом ВУЗе. Вебинары же как правило отличаются тем, что плотность информации там ниже, сама информация проще. Соответственно важно лишь понимать рассказанные принципы, а не выписывать каждое словечко. А для лучшего структурирования может стоить записывать хронометраж с кратким описанием, а потом нужные моменты выискивать в видео

Чтобы освоиться, можно и переехать. Тут многие пишут про дорогие развлечения, но в Смоленске ты не заработаешь на эти развлечения, а в Москве с этим легче. Да и пока студент, легко можно обойтись без дорогих увлечений. Зато можно освоиться, найти работу, что бы к выпускному уже знать куда пойдешь и чем там будешь заниматься. Я переехал в Москву в 16 лет, не жалею об этом. Если бы ехал позже, многое упустил бы. Но тут уж решать тебе, у меня не было тяжелого выбора между Москвой и девушкой.

Сейчас не стоит. Перед тем как погружаться в какую-то область математики, неплохо бы в ней разобраться, иначе будет тяжело уйти от ремесленничества к творчеству в будущем. То есть пока ты не понимаешь как они работают, не надо уделять этому слишком много времени. Можно попробовать простые среды для моделирования нейронных сетей чисто для ознакомления и поддержания интереса, например matlab simulink может. А основное время лучше уделить математике, физике, информатике. Если с ними проблем нет, то двигайся дальше школьной программы.

я стал победителем гос. олимпиады по информатике с нуля(правда в отличном от вашего гос-ве), при том что информатика не преподавалась совсем, а противники были достаточно хорошо подготовлены. Так в чем же дело? естественно без мозгов результата не добиться, но главным было желание. Я действительно хотел изучить программирование и целенаправленно шел к этому, чего и вам советую. Определитесь с предметом - важно, что бы он был интересен и был проходным для интересующих вас специальностей в желаемых вузах и начните изучать. Как только поймете, что вы полностью освоили школьный курс своего уровня, ищите преподавателей, которые помогут вам в изучении предмета на уровне олимпиадника, ищите информацию в интернете, решайте задачи с предыдущих олимпиад, придумайте себе похожие.
К слову я этим всем не занимался, просто кодил. И выехать мне удалось только на хорошем знании математики и эрудированности что-ли - просто повезло знать те вещи, которые там пригодились.
Книжки, все остальное не является чем-то принципиальным. Одни вещи могут быть понятнее и интереснее изложены в одной книге, другие - в другой, поэтому читайте все, что найдете.