Время и похвалить вуз (МФТИ) и школу (СУНЦ НГУ) и что-то поботать)).
Пока лежу на пуфике в офисе и не хочу делать дела....

1. Друзья — самое важное, что вы услышите из каждого. Много классных ребят, многие из которых работают в Яндексе, Тинькофф и тд. Другие остались в науке: часть в Швейцарии, часть занимается квантовыми компьютерами и прочее. Самое важное, всегда можно найти мотивированных ребят. Это не означает, что люди сами будут хотеть общаться с вами. И нужно самим быть интересным. Но то, что в топов вузе вокруг вас будет много классных целеустремлённых ребят.

2. Знания программирования — да, у меня было много программирования и в школе. Но основное понимание работы клиент серверного приложения пришло ко мне, как раз при учебе в вузе. Так же стоит отметить, что есть дополнительные курсы, часть из которых у меня не было, но я считаю, что лучше пройти их в вузе.

Тут распишу подробнее:
2.1 Компьютерные сети — понимание протоколов, что такое HTTP. Как взаимодействует приложения, фронт бэк. Для высокоуровневого понимания, можете набрать на ютубе, что такое API. Для более полного понимания, что такое DNS и прочее можете посмотреть эти лекции или физтеховские.

2.2 ХОБОД — я его не проходил, это курс по работе с большими данными, Spark Hadoop и это все. То, что пройти самому на ютубе не так просто. Но если вы идете в сторону работу DWH, что-то высоконагруженное и тд то без этого сложно

2.2 Python — во 2 семестре, я себе запретил использовать Excel для обработки лабораторных работ. И сам ботал Pandas, Numpy, чтобы оформлять лабы. Про питон наверное напишу отдельно (байт на лайки)

2.3 Базы данных, Их у меня не было. Есть курсы на фивте и фумпе, но навранное для аналитика достаточно знать основы SQL и нормализацию. Опять же про SQL будет отдельный пост.

2.4 Hightload — курс на фивте, опять же у меня его не было, но лекции я посмотрел. Очень классные лекции. Для меня польза в них, понимание, в границах применимости вашей IT системы.

2.5 Теория вероятности и курс мат.статистики. Статов у меня не было(, и наверное это самое важное для всяких AB тестов и прочего. Если нужно будет покидать ссылок по этому пишите. Но тут очень сложно выбрать тот баланс между практичностью и теоретической строгостью. Наверное идеален тут курс, что читает кафедра дискретной математике на ФБМФ. Если вы не на фивте/фупме/фопф (вроде им сейчас такой же сделали) очень рекомендую.

2.6 Алгоритмы — в целом это больше культура), но вроде в Яндекс их спрашивают (как и статы). Так что если хотите начать карьеру с Яндекса ботайте, у меня их не было)).

2.7 Машинное обучение — у меня был курс Нейчева. Сразу скажу, что он честно прошел мимо меня (я организовал физтеховский лекторий). Но на 5 курсе я решил, что необходимо понимать границы применимости машинного обучения и начал проходить курс от DLS, рекомендую.

Наверное все про программирование, добавлю, курс по Golang. Я его проходил в 4 семестре, потому-что хотел написать проект на мейнстримном языке. Сейчас его нет на курсере, обещали перевести на российскую площадку, но пока тишина.

3. Лабораторное работы — как выше отмечалось, это не только способ начать техать и полюбить питон. Но также в отличие от чистой математики, где все точно тут вы работаете с выбросами, ограниченной точностью. Разной погрешностью. Понимание всего этого, как и работа с моделями, приучает вас, помнить, про границы применимости вашей модели.

4. Задачи оценки —это уже больше про школу. Там любили давать задачи по физике из разряда с какой скоростью должен дуть ветер, чтобы перевернуть кирпич. Как писал выше, в работе бизнес-аналитика это очень важный навык. Оценить сколько пользователей потенциально могут использовать вашу фичу, тот вопрос, который себе постоянно задает аналитик. Если вы еще в школе то рекомендую порешать книжка (104 страница).