Reprise du message précédent :

Clairement
 
Ce qui rend précieux dans ce domaine, c'est justement la capacité d'une personne à avoir à la fois les soft skills et les compétences techniques requises.
 
Dans l'absolu, trouver quelqu'un qui convient sur le strict plan technique est plutôt facile. Mais ce n'est pas suffisant en avant-vente.

T'as ma boîte à MP si tu veux du levier au recrutement et plus d'informations sur l'expérience en interne dans une de ces boîtes

Ouais ce genre de truc pourrait carrément me convenir, j’ai un peu touché du développement ML, j’ai pas 8 ans d’XP non plus mais je sais comment ça marche (et comment ça marche pas surtout), et j’ai une bonne vision globale d’un outil IA.
 
Bon bah je vais me chercher un éditeur. Idéalement qui travaille avec l’industrie vu l’expérience que j’y ai    
 
Y’a quoi comme éditeur qui travaille avec l’industrie ?  

 
Mathworks  

+1

edit : mais on pourrait ajouter National Instruments, Siemens, Ansys, Dassault, Autodesk, Rockwell Automation, etc.

Alors si tu travailles déjà avec des éditeurs je te conseil de "prendre un café" avec l'avant vente qui bosse avec vous pour en savoir plus sur son taffe, le rôle, éventuellement si ils embauchent etc.

En fait l'idéal pour devenir avant vente c'est de bosser avec et de bien connaître les produits d'un éditeur

Évidemment il arrive aussi que la recrue ne connaisse pas les solutions vendues mais en général il était avant vente ailleurs

Enfin bref il va falloir que tu mettes toutes les chances de ton côté

Merci pour les conseils réseautage et accès au marché caché, je note  

Travail à fond les softskills dès maintenant. Ça peut que t'aider quel que soit le job de toute façon

Apres on le regrette ensuite.  

Valoriser son travail aussi c'est important.
 
Perso quand c'est faisable et pas trop tiré par les cheveux, je calcule toujours un ROI sur mes projets vu qu'ils ont des coûts en infrastructure que je maitrise dans l'environnement cloud à ma disposition, ça fait toujours son effet, même un petit incrément.
 
Par exemple dans les peu nombreuses boites que j'ai fait, personne calculait de ROI sur les projets alors que sur un score de churn par exemple, tu peux vraiment faire un truc simple. La plupart du temps les data scientists s'arretent à l'étape de la prédiction et pas l'après (l'utilisation de la prédiction et sa performance métier), je trouve ça dommage.
 
Après certains vont ptet me dire que ça fait pas partie du métier mais perso je pense que si.

À l'inverse, j'ai vu un projet anti-churn être mené alors que le calcul préliminaire de ROI potentiel avait montré l'inutilité (voire même le côté contre-productif) de l'approche.
 
Fallait faire des projets data à tout prix, au sens propre comme au sens figuré

Indispensable pour attirer investissements d'infra, personnes et faciliter les augmentations (au bon vouloir du chef mais c'est quand même plus simple pour lui d'aller justifier l'enveloppe quand on a des informations chiffrées des résultats pour la boîte !)

Je ne le vois pas assez personnellement non plus et la valeur est énorme quand il faut négocier avec le CFO, le CTO ou le CEO. Franchement chapeau

C’est même le plus important, voire l’unique chose importante. Et même pas besoin de faire du bon travail pour réussir à bien se valoriser : j’ai connu quelqu’un de très bien vu de ses chefs qui valorisait le travail des autres en le faisait passer pour sien. On l’a appris à son pot de départ quand un chef de projet est venu le remercier pour ses réalisations (les nôtres   ). J’ai aussi croisé quelqu’un qui arrivait à faire passer sa merde pour de l’or un certain temps. Le temps que son n+1 se rende compte qu’il avait été floué il était passé à l’échelon du dessus, merci zizi, au revoir mon cul    
 
Bon en gros les mecs que j’ai vu monter le plus vite étaient de gros enculés qui vendaient bien leur, ou un, travail    
 
 

A mais nous on arrive un démontrer un ROI et à ne pas réussir à se faire financer le projet, c’est dire la maturité de la boite en IA.
 
Sinon ma formation et mon boulot actuel c’est justement de m’occuper de tout ce qu’il y a au delà de la data science dans un projet d’IA : évaluation de la pertinence stratégique, de l’acceptation métier, de la difficulté de mise en œuvre, des coûts et bénéfices, audit des données (oui parce que chez nous y’a rien de prêt en données), définition de l’archi algo, dialogue avec le SI, l’officier sécurité, le métier pour définir le processus cible...

Content que le topic revive en tout cas  

 
Tu pourras rajouter ça dans ta 'achievement list' sur ton cv
 

 
Don't hate the players hate the game, malheureusement c'est ainsi, j'ai raté un exercice leetcode l'année dernière, je peux m'en prendre qu'à moi même  

Mon truc qui marche parfaitement en local mais qui fait n'imp en prod    
 
Option 1 : j'ai overfit comme un batard et je suis dans la merde car j'ai déjà tenté 46 trucs pour résoudre leur pb -> rémigration en France    
 
Option 2 : y'a un bug qq part dans le preprocessing et je suis sauvé  

 
Option 2, une BD ça fait généralement une soixante de pages mini.  

 
Visiblement opencv.videocapture ça renvoie pas les frames de la même façon que imageio.mimread  

Lecon de base: toujours utiliser exactement le meme code de preprocessing en training et en production

 
Alors OUI mais visiblement ils ont pas jugés utile de m'expliquer leur pipeline    
 
Ce qui montre à quel point on est à la ramasse car en gros on train un modèle, on le balance à l'ingé qui le sert avec tfserving et c'est ensuite donné à une pipeline qui extrait les frames, crop etc. SAUF QUE on a ptet pas entraîné le réseau avec le même préprocessing, je sais pas pk personne s'en émeut, après ptet ça a jamais posé de pbs mais mon réseau visiblement est ultra sensible  

Ce que je ne comprends pas c'est pourquoi il n'y a pas un protocole expérimental établi.
Un truc simple genre train/test (et si ce n'est pas trop coûteux en ressources plusieurs train/test en resampling...)
Avec ça tu evites les questions sur l'overfitting qui font suer à grosses gouttes en prod  
 
Non ?

Ca résout pas son problème: meme si il a une bonne perf sur son ensemble de validation/test, si le pipeline est différent en prod, toute ton analyse s'effondre

 
 
Ah oui j'avais pas vu la suite :|
Mais ça c'est interdit par la convention de Genève

 
Y'en a un en RGB l'autre en BGR, qui utilise BGR bordel, pourquoi le standard c'est pas RGB, ça me fait tellement craquer ces trucs  

 
C'est le zoo, je suis en train de pousser pour standardiser & automatiser à mort la pipeline, ça me rends fou ces galères    
 
Ma méthodologie est très bonne par contre, normalement ça passe  

Nouvelle data augmentation: entraine ton réseau avec des images RGB, RBG, GRB, GBR, BRG, BGR  

 
200 IQ move    
 
Bon, mon truc marche. Je suis content, mon CEO est content, jvais ptet passer la période d'essai  

Oui, il me semble d’ailleurs que Ratko Mladic vient d’être condamné à La Haye pour crime contre l’humanité parce qu’il avait fourni un pipeline de production diffèrent de l’environnement d’apprentissage. Que ce fils de pute crève  

Quelqu’un prend des notes pour la BD au fait ?  

Les soft skills on t'a dit

J’imagine le dialogue entre NC et le leader IA  

 
NC qui va gravir les échelons avec du simple bon sens que n’ont pas ses collègues    

GG, c'est quand cette fin de période d'essai ?

 
Plus qu'un mois à tenir, mais vu le droit du travail à Singapour la différence est pas flagrante  

 
Genre pendant la période d'essai, ils peuvent te virer sans justification. Après la période d'essai, ils peuvent te virer sans justification ... mais tu as passé la période d'essai ?  

Dites les DS en poste, vous avez quoi comme cursus scolaire ? Que du groupe A ou des combattants qui sont partis de BTS/DUT voire pire, de la fac ( ) ?

Prépa puis école groupe C HFR (mais spécialisée en DS   )

école ingé trash tier + master 2 pas mal du tout

 
Le pire, fac de maths