不知道臺灣有多少可以純做演算法和建模的公司，比起演算法和統計，實務上如果能學好以下幾項出路會更廣，雖然公司面試可能不會問。
1. 自動化
怎麼把預測模型寫成實務上可以自動餵資料，自動清資料，自動建模，自動更新模型，最好會些排程和etl工具
2. 清資料
清資料不難，但是絕對會花很多時間，業界資料比學校拿到的醜醜醜多了，要做好大部分都在清資料和探索的心理準備。
3. 資料管理
這可能跟分析技術沒啥關係，但是當資料一多能不能很好的規劃資料怎麼存放，哪裡放得下，有沒有更便宜的解決方案，怎麼確保每天資料的一致性。
雖然以上工作嚴格來說比較偏 data engineer啦，但是很多小公司沒法切太細都要自己搞囧
※ 引述《BBBB4 (B4)》之銘言：
: 小弟四中數學系學碩，主修統計
: 自認R很熟，python 也稍有涉略
: 各種統計方法、機器學習、深度學習都還算熟
: 也做過幾個產學合作專案
: ——
: 這陣子都在面試data science 相關職缺研替
: 在純軟面試時
: 除了問到一些對於資料的想法
: 還問更多演算法、時間複雜度的問題
: 結果答得七零八落的
: 但是在製造業和工研院就比較比較看重做過的專案
: ——
: 總之，原本以為自己讀的科系和所學應該很適合這個行業
: 在面試的時候才被打醒的感覺
: 是不是應該資結演算法連同C/C++一起重學
: 還是有什麼技能應該再去加強的？
: ——
: 另外再偷渡一個問題
: 其實小弟比較想做服務業、軟體業相關的資料分析
: 不過相較起來研替開相關職缺大多還是在工廠或是工研院
: 不然就是名額少少很競爭的軟體業
: 這樣的話去當三年的研替早早進入職場好
: 還是忍一年當替代役，空閒的時候自己練功呢？
: ——
: 謝謝各位不吝賜教了
: