Reprise du message précédent :

 
Ok merci de ton retour.
 
Je vais voir tout ça dans mon temps libre.

Drap, je me retrouve à faire de la DS

Salut,

J'ai trouvé Machine Learning de Andrew Ng sur Coursera. C'est gratuit et j'ai suivi son cours comme une très bonne série.

Les exercices sont guidés mais pas trop, les concepts mathématiques sont bien expliqués, et j'ai bien aimé sa façon de présenter les problèmes. Tu utilises Matlab ou Octave pour rendre les exercices, tu as les résultats immédiatement, et les questions pendant les vidéos sont intéressantes.

Après le programme a une dizaine d'années, je ne sais pas si ça limite son intérêt. Ce que j'ai apprécié c'est que tu écris toi-même tes outils d'analyse, tu ne te contentes pas d'utiliser des fonctions toutes faites, du coup tu as une bonne vision de l'intérêt de certains paramètres, et une bonne méthode pour analyser tes résultats.

Le seul petit bémol si tu utilises Matlab c'est que ton accès est coupé à la fin du cours, du coup tu récupères des pdf de tes exercices mais pas exploitables sans les recopier.

Le cours d’Andrew Ng est LA référence en ML

 
Ce cours a probablement été suivi par toutes les personnes souhaitant se réorienter vers de la DS  
Le bouquin d’Aurélien Géron est également très bon. Un peu le pendant du cours de Andrew Ng version bouquin tellement ça revient souvent.

Oui, c'est un super cours en effet, et la difficulté est très bien graduée. Après, pour la data science en général, il faut compléter avec des cours de visualisation, d'analyse et de méthodologie, parce que réécrire les fonctions de coût ou le gradient descent mais ne pas savoir quel outil utiliser ça n'aide pas trop, du coup je ne sais pas si c'est vraiment le premier à suivre.

c'est lequel le bouquin de geron quil faut lire ?

celui la ?

https://www.amazon.fr/Hands-Machine [...] oks&sr=1-1

 
Oui.
De ce que j’avais lu de la 1ère edition, j’avais trouvé ça pas mal du tout. Je ne sais pas ce que change cette 2nde édition.
 
Data Science from Scratch est sympa aussi, bien que différent. Puis j’aime bien Joel Grus depuis sa présentation sur les notebooks  

Bonjour,
Est-il encore facile pour un débutant de trouver un emploi en data science ?
J'ai environ 10 ans d'expérience pro, je termine actuellement le master statistique spécialité data science du CNAM.
 
Je n'ai que des réponses négatives à mes candidatures.
Pas même un seul entretien.

Bonjour,
 
Cela dépend du domaine je dirais.
 
Quels sont les langages de programmation que tu maîtrises ?

 
Je suis tenté de dire qu’en ce moment, peu importe l’expérience, c’est compliqué.  
Pour avoir fait passer pas mal d’entretiens ces derniers temps (et cherchant aussi tranquillement de mon côté   ), pour candidats avec faible expérience, énormément de jeunes diplômés sont en recherche depuis l’été dernier. On sent d’ailleurs qu’ils commencent un peu à perdre le morale, ce qui est assez déprimant  
 
Ton expérience passée pourrait toutefois jouer en ta faveur  

Je pense qu'on approche lentement mais surement de la saturation des postes de machine learning.
Dans mon domaine, les JD ne font plus que des réseaux de neurones et du Python alors qu'on aurait besoin de profils plus mixtes, de C++, etc.
Tous les CV me semblent identiques, plus de diversité dans les profils, ca en devient un peu lassant
Bon du coup, en entretien on essaye de choper les plus débrouillards avec du potentiel et on est obligés de les former un peu nous-memes pendant la période d'essai, limite de les reconvertir en software engineers classiques. Ca marche plus ou moins, mais je trouve ca marrant qu'on en soit arrivé là en si peu de temps

Il y a quand même eu un tapage très important autour du domaine. À ça on ajoute toutes les formations/MOOC pour devenir expert en 3 mois.  

Tout ceci n'est pas rassurant, je ne pensais pas que ça se boucherait aussi vite
 
Je pensais qu'on était encore dans la bulle où n'importe qui pouvait choper un poste quelque soit son background
 
Pas cool pour moi qui voulait me lancer dans le domaine après l'obtention de mon diplôme (en ingénierie logicielle)

Le soufflé retombe... Les entreprises commencent à se rendre compte que le ROI de leurs initiatives data science est limité (quand il n'est pas négatif) et limitent les recrutements en cette période de vaches maigres.
 
L'autre difficulté est que le secteur où l'apport de la data science est le plus important est l'industrie. Or, dans ce secteur-là, on préfère généralement convertir un ingénieur expérimenté à la data science plutôt que de recruter un pur data scientist sans connaissance métier.

Avec de la niaque on trouve du boulot au km dans ce domaine. Sans expérience précédente, ça veut dire bosser un peu les soirs et les weekends à des projets (concours data, publication de dashboards sur les sujets du moment comme le génial Covid tracker de Guillaume Rozier, un git bien construit, la participation à des projets dans l'Open Source etc.)

On peut aussi jouer sur la double compétence (genre la biologie en majeur et bon vernis data. C'est valable dans plein de domaines).

Je peux comprendre que pour beaucoup de gens ce soit compliqué à organiser avec la vie de famille, un job déjà éprouvant ou d'autres facteurs. Mais si le temps libre et la motivation n'est pas un souci alors ça reste une bonne option de conversion

 
R, SAS, Python, SQL
 
D'ici Juin, je pourrais ajouter Spark/Scala et base de données documentaires et distribuées.
 

 
Depuis 2016, j'ai enchaîné en cours du soir et samedi, en parallèle de mon emploi d'ingénieur à temps plein dans l'industrie, un MBA (gestion des entreprises) puis un master statistiques au CNAM pour lequel il me reste 2 UE + stage et mémoire.
 
Ce n'est pas la motivation qui me manque. J'avais pensé que ce serait suffisant pour mettre un pied dans le domaine même au prix d'un salaire moins important.
 
Quel est ton parcours ? J'imagine que tu as mis en application ton discours avec succès ?

t'es aussi en compet avec des phd tout juste diplomés de tout domaine qui se reconvertissent en data science (on recevait pas mal de cv dans mon ancienne boite) et c'est souvent plus intéressant pour les entreprises (surtout les startups) car elles bénéficient de crédit impot recherche pour les payer  

Je doute que tu "maîtrises" à la fois R, SAS, Python et SQL. Tu en maîtrises éventuellement l'un des 4 et tu as des notions des autres.
 
Quant à Spark et Scala, je suis sceptique sur l'intérêt de les maîtriser pour un data scientist.

Ca dépend de son corps de métier, mais dans mon domaine (bioinfo), ce n'est pas rare de croiser des CV avec Python/R/MySQL.

Chacun écrit ce qu'il veut sur son CV
 
En ce qui me concerne, je n'ai jamais vu un data scientist qui maîtrise SQL, par exemple. En data science, on a souvent un usage très basique de SQL. On se contente de requêtes assez simples, éventuellement avec quelques jointures, et le reste du traitement de la donnée se fait via un langage de programmation.

 
Au CNAM, pour valider un master, il faut valider différents UE.
Chaque UE peut être nécessaire pour valider plusieurs diplômes ou certification.
 
L'UE base de données et SQL n'a pas été créé uniquement pour le master statistique.
Il y a des étudiants qui passent cette même UE pour valider un master en informatique.
 
Il en est de même pour les autres UE.
Pour Spark/scala, je dois rendre un projet où je récupère des commentaires sur des films et dois déterminer s'ils sont positifs ou negatifs (analyse de sentiments).
 
Après "maîtriser" est un bien grand mot car, pour moi, la maîtrise s'acquiert en milieu professionnel.
Pour répondre à ta question, j'ai listé les langages que j'ai dû utiliser dans mes cours.
 
L'UE sur les bases de données documentaires et distribuées n'est pas dans le programme du master.
Je suis cette UE car elle couvre Docker, Cassandra,  elasticsearch, MongoDB, Hadoop, MapReduce, Spark et Flink qui apparaissent fréquemment dans les offres d'emploi.

 
Ça recrute des PhD à tour de bras en ce moment, oui. Ils se fichent limite du parcours et des compétences  

Quelque chose qui me fait tiquer : quel rapport entre un MBA et un master statistiques dans le cadre d’un poste de data-scientist ?

 
Dans un premier temps, j'aimerais obtenir un poste de data scientist.
Si ce n'est pas possible, j'espère pouvoir obtenir un poste business dans la data science/AI en mettant en avant mon expérience, mon MBA et mon master en data science.
Je pense à un poste de product manager par exemple.
La data peut aussi servir à résoudre des problématiques business, je pense que mon profil pourrait convenir dans ces cas également.
 
Mais bon, ça c'était mon plan... la réalité est tout autre.

Ca engage a tour de bras en UK (Londres/Cambridge/Oxford). Après, faut avoir envie de bouger.
 
LinkedIn: "data scientist"
Greater Paris: 1,282
Londres: 2,662
 
Après, il y a peut-être un biais de langage, les annonces en France ont un autre titre, genre  "Scientifique des données" ?  

Oui et non
J'ai plutôt eu des réflexes de no-life de 15 ans (quand j'ai pu acheter mon PC après 2 mois dans le BTP pendant les vacances) à en gros 23 ans : tous les jours de 3 à 8h de pc (mise en place d'appliances réseau, NAS / SAN, outils de sécurité, BSD, Linux, Windows, produits open source en tous genres ...)  après mes journées d'école et de travail (quand j'ai pu faire de l'alternance). Mais j'avais ni marmots ni familles à charge donc bon j'imagine que ça aurait pu être bien plus dur

Mais sinon si tu veux me montrer ton CV et ton squelette de lettre de motivation pour une des offres sur lesquelles tu as eu un non je veux bien te donner un avis extérieur. Pour info je bosse en GAFAM aujourd'hui et je suis passé par une dizaine d'entreprises pendant ma carrière. C'est un exercice que je connais bien

j'envoie une chié de cvs, j'ai une these et un diplome d'ingé en maths appli

jamais réussi a avoir un entretien en data science

je capte meme pas pourquoi non plus je pensais que ct parce que mon cv avait pas suffisamment ca

ca dérange si quelqu'un jete un oeil a mon cv me dire ce qu'il ne va pas dessus en MP ?

 
Ça ne remet pas tout à fait en question cette différence Paris/Londres, toutefois t’as un peu tout et n’importe quoi en résultats via LinkedIn. Dans le lot t’as certainement des postes de Data analyst, engineer, dev, etc, voire même vendeur de voitures. Leur filtre, comme la majorité des plateformes, est mauvais.
 

 
La LM est de moins en moins demandée. Ça joue d’en envoyer quand même une?! Je suis tellement mauvais à cet exercice que je voyais ça comme une bénédiction que ça ne soit plus nécessaire.  
 
Faudrait peut-être aussi que je demande des retours sur mon CV un de ces quatre si ça ne fonctionne pas    
 

 
Ça dépend des entreprises que tu vises. Après avec le crédit impôt recherche, beaucoup ont embauché/embauchent sans trop réfléchir.
Dans mon équipe on en a recruté 3 le mois dernier. Peut-être un quatrième ce mois-ci. Par contre 0 jeunes diplômés Bac+5 depuis mars 2020...

Balance avec une offre qui t'as plu et la lettre de motivation si tu en avais une pour l'offre

 
en fait je postule pas en france mais a l'international (et je vis pas en france actuellement)
 

 
 
je t'envoie un mp sur le champ

Je confirme mais pour une candidature spontanée ça fait plus sérieux. Quand on se fait approcher par un recruteur via LinkedIn ça se resoud en un coup de fil à la place

 
Je t'ai envoyé un lien vers mon CV en MP.
Merci pour tes remarques sur le CV.

 
Maitrîser SQL ça signifie quoi pour toi ?
t'as 3-4 compétences qui feraient la différence entre un mec qui a des notions vs un mec que tu juges réellement compétents ?
 
Parce qu'aujourd'hui ça me paraît redondant ce genre de mix.
Autant faire les query ok, mais après si t'es bon en python autant tout traiter via script.

Mais si tu dois intégrer des données dans une table SQL, ça peut être utile de connaître les limites du format (types), et comment y remédier.

Bah si il a quelques notions de cubes / procédures stockées / bien organiser ses tables pour éviter de dupliquer ses données c'est mieux. Pareil si il sait mettre ses filtres en amont plutôt que mettre le boxon dans le cache serveur / mettre à genoux les disques à chaque essai dans la construction de ses requêtes c'est pas mal aussi

Bon évidemment on s'écarte complètement du job de datascientist

Mais comme de toute façon les DBA sont des râleurs (pour de bonnes raisons) qui feront tout pour ne pas donner accès (pour de mauvaises raisons) et qu'il faut quand même un data enginer ou un data scientist pour quémander un login avec des droits de lecture ...

Par contre les scripts (librairies) python permettent vraiment de se passer de la construction de la requête SQL ou c'est juste que ça a été sous traité à quelqu'un d'autre ?

Euh non, je ne trouve pas, au contraire. Ca fait partie du métier de savoir gérer ses données. Il y a des systèmes meilleurs, mais parfois on ne peut pas choisir, pour diverses raisons (historique, client, etc...).

Ah ? Tu viens de déclasser la moitié des datascientists que je connais alors    

Dans mon cas, je fais mon apprentissage dans une entreprise du secteur industrielle. J'ai demandé à mon manager de faire ma dernière année à un poste de data scientist (c'était prévu à la base avec l'ancien manager mais quand il est parti à la retraite les autres de l'équipe m'ont laissé végéter à mon poste actuel, mais bref, c'est un autre sujet), il a accepté et va me essayer de me trouver un place quelque part.
 
Ça va être ma porte d'entrée dans le domaine. Et je ne suis pas contre le fait de rester dans l'entreprise après mon diplôme car ils ont des sujets intéressants.
 
Concernant le bagage technique pour le poste :

• Je pense être trop léger en maths pour l'instant. J'ai les cours de maths classiques dispensés en école d'ingé (Algèbre linéaire, analyse/calculs, stats, proba, etc.), mais je pense aller plus loin sur mon temps libre.
• En ce qui concerne le ML/DL, j'ai des modules dans mon cursus et je fais des MOOC à côté (j'ai fini celui d'Andrew Ng, et je commence les cours sur Kaggle).
• Pour ce qui concerne la partie ingénierie logicielle, bah je suis plutôt à l'aise car il s'agit de ma formation initiale.

Bref, j'espère que tout va bien se passer

 
T'as essayé les start-ups?
Tu peux me l'envoyer si tu veux    
 
Deux conseils également quand vous postulez dans des start-ups, ça va peut être vous paraître évident (mais vu ce qu'on recevait je préfère le dire   ), mais au lieu de caler une lettre de motivation générique en format pdf en pièce jointe et longue comme le bras, écrivez plutôt directement dans le mail un petit message personnalisé (et pas trop long) pour expliquer d'où vous venez et pourquoi vous êtes intéressé par l'entreprise
Et deuxième conseil mais plutôt pour l'entretien, entraînez vous à vulgariser de façon concise (partez pas dans de longues explications interminables) votre sujet de thèse ou les projets sur lesquels vous avez travaillé, ça peut vraiment faire fuir si vous parlez trop technique et que les explications sont brouillons, j'ai noté que c'était souvent le cas, partez vraiment du principe que le recruteur n'y connait rien de rien, même si celui ci a un bagage mathématique/machine learning. Ca fait vraiment la diff un discours clair et concis