Reprise du message précédent :
Salut,

On dirait que tu as déjà un bon bagage technique, pas mal d'expérience et un cerveau qui fonctionne bien (je t'ai vu sur d'autres topics ).
J'ai l'impression qu'en gros il te manque le côté machine/deep learning ?
Je ne suis pas (encore) dans le domaine mais j'ai passé pas mal d'entretiens. Ce que j'ai vu dans toutes les boîtes c'est des difficultés à recruter des gens compétents. Ils ont beaucoup de candidatures de jeunes sortis d'école mais il leur manque des gens plus expérimentés qui peuvent avoir une vision métier/business (en gros savoir interpréter les données).
Quand je vois comment se passent mes entretiens je pense que tu collerais pas mal aux besoins.
Tout dépend ce que tu veux faire. Si tu vise un poste très technique (plutôt R&D disons) ça peut être un peu compliqué puisqu'ils cherchent souvent des gens avec des doctorats dans le domaine.
Pour tout le reste je pense que tu pourrais apprendre suffisamment vite tout seul pour ne pas avoir à faire de formation trop longue.
J'ai pas l'impression que le truc du CNAM est très adapté pour toi. Je te verrais bien capable d'apprendre les bases en 2/3 mois, assez pour gagner un poste en tout cas puis finir de te former sur place.
Il y a des gens ici qui connaissent le truc de l'intérieur et auront une autre vision

@theomede : si tu es dans une banque (donc grosse boîte) tu dois avoir accès à un catalogue de formations en interne. Vois là dedans déjà si y a pas des formations initiation au data mining/ machine learning. Sinon tu peux même faire une demande de formation spécifique au service formation. Il y a des boîtes de consulting / formation qui font des formations inter entreprises dans le domaine.
 
Mais c'est vrai, sur ce topic, tu trouveras aussi des liens vers des MOOC pour t'initier. Avec un background math, ca va rouler

 
Tu fais comme chez nous, demande via la mobilité interne + demande d'une formation continue payée par la boîte, il y a pas mal d'écoles qui en font. Chez nous on a des personnes qui ont basculé comme ça

j'ai comme envie de me lancer là-dedans aussi.

Formation deep learning sur coursera: https://www.coursera.org/specializations/deep-learning

Merci pour l'info ça à l'air pas mal !

La dernière version de scikit learn est sortie

Avec plein de bug fix et quelques nouveautés intéressantes comme le quantile transformer et la possibilité d'utiliser plusieurs métriques dans gridsearch ou cross validate.

Des anciens du master esa ? Pr savoir le niveau des débouchés (agences régionales / nationales / internationales ?) Kthxbye

Je me suis inscrit aujourd'hui et j'ai commencé. Pas encore assez avancé pour juger mais bonne première impression.

 
Tu sais coder?

Tu as plein d'options alors... je conseille une petite rechercher sur LinkedIn ca déborde d'offres pour débutants/stages

Tout dépend ce que tu veux faire mais ce ne sont pas les offres qui manquent. Surtout si tu es sur RP.  
 
Pour mon stage de M1 cette année j'avais pas mal de choix, dans des secteurs très variés allant de la banque, marketing, start-up pour une appli mobile qui semble bien tourner, jusqu'au stage à la DGSE ou dans un labo de géologie je crois. Et ça sans être mobile    
 
Pour les mots clés tente des choses comme statistiques, économétrie, machine learning, python, R, SQL, ou même simple data. Si tu maîtrises d'autres choses en rapport n'hésite pas à ajouter.

 
Ca suffit largement.

 
Absolument aucune expérience pro dans le domaine.  
 
Comme dit avant, c'est largement suffisant.  
Si jamais, tu peux bosser des cours en ligne, des kaggle, etc pour gagner en compétences. Le stage c'est autant pour bosser que pour apprendre.

En fait, tu es en filière finance mais tu veux faire du ML avant tout, même si c'est pas en finance ?

Cours de Deep Learning (les slides et vidéos sont de très bonne qualité) : http://videolectures.net/deeplearning2017_montreal/

Vous connaissez MLBox ?
 
C'est une librairie python de machine learning qui automatise les traitements.
Je l'ai testé et je dois dire que je suis assez bluffé par les résultats. Avec très peu de tweaking on obtient des résultats pas mal, vous pouvez jeter un coup d'oeil aux exemples/tutos linkés sur le site.
 
C'est par là :  
 
http://mlbox.readthedocs.io/en/latest/?badge=latest

Hello à tous
 
J'ai décidé il y a 2 mois de me former au machine learning / data science pour en faire mon activité principale début 2018
 
J'ai un background technique (expert sharepoint et maintenant Office365) avec 10 ans d'xp (d'abord en salarié puis freelance depuis 3 ans) et j'ai envie de changer pour faire des choses plus intéressantes
 
Je me forme principalement via MOOC, articles online et pratique sur Kaggle, en parallèle de mon job.
 
Jusqu’à maintenant j'ai fait ça:

• Mooc fondamentaux big data / telecom paristech
• Mooc andrew ng sur coursera

Au fil de ma formation j'ai également commencé à regarder ce qu'il y a derrière le deep learning :  

• Je suis donc en train de faire le Mooc suivant : https://www.udemy.com/artificial-intelligence-az
• Et je vais sans doutes enchaîner sur le nouveau Mooc d'andrew ng sur le deep learning

Sur Kaggle j'ai participé aux compétitions tutos (Titanic + Pricing House) et j'ai également participé rapidement à la compet sur les taxis. Au début je trouvais l'idée de Kaggle vraiment géniale, mais il y a tout de même quelques inconvénients à savoir :  

• Favorise l'overfitting sur le data set d'évaluation
• Kernels bien que très intéressants pour apprendre peuvent être démotivant car beaucoup trop complets (les mecs ont du passer des jours à les faire)

Je me suis posé la question de faire une "vraie" formation en présentielle (Master Big Data Telecom ou les versions plus light en formation continue) mais finalement je vais tenter de m'en passer (conviction qu'on apprend par la pratique et qu'on a intérêt à être en poste asap). Je vais donc tenter de trouver une mission directement (pour rester en freelance) ou pourquoi pas repasser salarié si nécessaire
 
Avec la rentrée je vais commencer à passer des entretiens et démarrer une activité networking assez intense (meetups etc..)
 
Donc à votre dispo pour échanger sur ce sujet passionnant

Hello et bienvenue
 
J'ai fait plus ou moins les mêmes moocs que toi, on apprend pas mal de choses intéressantes. La spécialisation data science sur coursera (univ Washington) est pas mal aussi, très complète.
Et j'en suis aussi au même stade où je commence à passer des entretiens (toujours rien trouvé pour le moment).
Tu es dans quelle région ?

Je suis à Paris, ça facilite les choses pour rencontre du monde sur le sujet
 
J'ai passé un peu de temps ces derniers jours sur l'apprentissage par renforcement via l'algorithme du q learning, la version simple avec q table puis la version avec neural network en utilisant pytorch et tensorflow (j'utilise les 2 pour comparer)
 
J'ai appliqué ça sur un jeu tout simple de labyrinthe que j'ai fait moi même via Kivy en m'inspirant des tutos. Il y a un côté magique assez plaisant, je vous encourage à regarder si vous ne connaissez pas encore.
 
https://medium.com/emergent-future/ [...] 95264329d0
 
http://outlace.com/rlpart3.html

 
Intéressant comme démarche
 
Tu es arrivé à suivre le Mooc fondamentaux big data / telecom paristech sans problème?
 
Quel est ton niveau en maths si c'est pas indiscret?  

Honnêtement, ce n'était pas une partie de plaisir, mais ça a le mérite de remettre dans le bain (10 ans sans maths :X). J'ai eu 93% en le faisant sérieusement, mais vu la structure du mooc mon niveau reel doit être un peu en dessous (quizz pas toujours pertinent : plusieurs tentatives possibles sur des questions à 2 choix).
 
Les problèmes de fin en python qui comptent pour 40% de la note finale sont très faciles par rapport aux cours sur les maths / stats / probas.
 
Ce n'est pas ce MOOC que je conseillerai pour démarrer, même si maintenant je comprends où ils voulaient en venir, démarrer par ça sans connaître le sujet peut être très décourageant. Je suis allé au bout uniquement car j'étais très motivé et je voulais me prouver que j'avais le niveau. Dans ma session il y en a 292 qui sont allés au bout sur 4500 inscrits. Le MOOC d'andrew ng est à côté de ça nettement plus accessible et concret.
 
Pour mon niveau en maths j'ai fait une prépa MPSI / MP + école d'ingénieur spécialité informatique. C'est suffisant pour comprendre le MOOC, même si il y a des parties que je n'ai pas vraiment creusé pendant mes études (statistiques, optimisations avec/sans contraintes).
 
En lisant sur internet, j'ai parfois l'impression que les gens surévaluent le niveau en maths nécessaire pour faire de la data science (sauf si recherche avancée sur sujets très spécifiques).

Bonjour à tous les data scientists,
 
Petite question : Dans quels secteurs travaillez-vous ?
 
J'ai une formation en stat et environ 3 ans d'expérience en consulting.
J'ai toujours bossé pour des départements marketing avec des problématiques telles qu'optimiser la conversion sur le site web, personnalisation des pubs etc...
 
Aujourd'hui, j'en suis à un point où le côté purement technique de mon travail ne m'intéresse plus à lui seul et j'aimerais vraiment travailler sur des problématiques différentes ayant du sens.
 
J'ai malheureusement l'impression que l'essentiel des offres concernent le secteur du marketing...  
 
Où travaillez-vous ?

Cela se developpe enormement en data science, pharmacology, chimie, biomedical. Peut-etre pas en France, mais en Suisse, Angleterre, Canada, USA, ca l'est.

 
Qu'est ce que tu entends par très chaud en maths ?
Concrètement tu dois faire quoi de vraiment chaud ?

Hello,
 
J'aurais besoin de vos lumières et d'un maximum d'avis pour ma reconversion.
Pour résumer, j'ai eu la chance de décrocher des entretiens de data scientist (2 data science, et 1 plus orienté BI), malheureusement ça a capoté au final. A priori mon manque d'expérience en IT joue contre moi (ex physicien de 40 ans en reconversion), sur un des postes j'ai eu un exercice de code à réaliser en 2h, j'ai pas été brillant et ça m'a pas aidé même s'ils ont hésité quand même à me prendre.
 
Bref, j'ai une opportunité de suivre une formation accélérée de développeur (Java/JEE) avec embauche dans une boîte ensuite (soit SSII soit startup, selon les places à prendre à l'issue de la formation).
Je me suis dit que ça pourrait m'aider à décrocher un poste en data science par la suite, en consolidant mes compétences en développement (et démissionner dès que je trouve un poste en data intéressant)
L'inconvénient serait que pendant ce temps j'aurais moins de temps pour réviser machine/deep learning...
 
J'aimerais avoir vos avis là dessus, retours d'expérience etc....

Les langages utiles sont Java/Python/R.

J'ai déjà suivi plein de moocs, j'ai implémenté des algos et fait 2 compétitions kaggle, plus des analyses à droite à gauche (régression, clustering, etc).
Là j'ai entamé un nouveau MOOC, le deep learning de Andrew Ng, et je fais des exercices de codage pour m'entraîner.
Malgré tout ça suffit pas à trouver un taf...
Une possibilité est d'étendre mon périmètre de recherche, car Grenoble c'est un peu restreint.

Mais un an de chômage ça commence à être long j'ai peur qu'à la longue, même si j'apprends beaucoup de choses ça fasse peur aux recruteurs.

Oui j'ai vu pas mal d'offres ou Java était requis, souvent tout ce qui touche au NLP en fait.
Maintenant, est-ce qu'apprendre à mieux développer est vraiment nécessaire ? Je lis toujours qu'un data scientist n'est pas nécessairement un bon codeur...

Ouais mais typiquement pas mal de startup veulent embaucher un scientist+developer en une seule personne
 
Apres le code ça peut s'apprendre aussi tout seul avec des mooc, il faut suffisamment de motivation. Ça a moins de sex appeal que le machine learning mais c'est très utile. Parce que au final dans Ton job le livrable sera La plupart du temps du code.

Merci pour vos retours.
Bon à priori, améliorer mes compétences en développement ne fera pas de mal.
J'ai trouvé des moocs vraiment bien faits en Java, mais finalement j'apprendrai beaucoup plus  en 400h de cours intensifs pendant 3/4 mois que tout seul à la maison.  
Je vais envoyer une candidature pour la formation on verra bien ce qu'ils me répondent.