Reprise du message précédent :
Pourtant ça a l'air pas mal comme coin

C'est un peu paumé, pas forcément facile de trouver du travail en couple.
Mais je viens du coin, j'aime bien ça me deplairait pas

Apprendre sur le tas dans une grosse cogip, c'est exactement ce qu'il me faudrait

 
T'as combien d'années d'XP ? Je suis en pleine autoformation dans le domaine donc ça m'intéresse .

Une Cogip aéro du coup ? Tu travailles sur quoi ?

Avec ce salaire, le conjoint a pas besoin de bosser quasiment ou un truc au smic suffit

Go castres alors

Sinon quel apport fait la data science à ta boîte ? J'aimerais bien mettre en place ça next year dans ma boîte et taper 10% d'augmentation encore mais faut de l'argumentation

Surtout dans le coin, quand on voit le coût de la vie là.
Mais je vois mal ma femme rester à la maison

 
Quand tu commences à vouloir faire de la data science pour la hype et la ligne sur le CV alors que t'es pas côté métier et que t'as aucune compétences propre en analyse de données (i.e. fait des études costaud niveau maths/stats), tu fait un peu fausse route je trouve perso...
 
Mais bon c'est vrai que d'installer un Hadoop et sortir un wordcount de la bible avec plein de workers en // c'est pas compliqué...

 
Généralement yes, R en peuplant des bases postgreSQL, ou sur des serveurs shiny. Mais on a des cas quand ça passe en java. Dépend des applications et webservices dans lesquelles le modèle est intégré.
Parfois on fait les specs et les gens se démerdent.

Je t'avoue être assez surpris, d'autant plus avec un langage tel que R. Généralement, les équipes de MOE ne maîtrisent absolument pas les langages d'informatique scientifique. Python commence à être de mieux en mieux connu par la MOE, mais des langages tels que R ou MATLAB ne sont généralement pas du tout maîtrisés. Je serais également bien curieux de savoir comment sont gérées les fréquentes montées de version de R et de ses packages.

Aucune idée, on a nos serveurs et le cluster de dev pour faire joujou et faire nos modèles, tout ce qui est environnement de prod est géré par l'autre équipe, de toute façon c'est pas notre boulot
Ils ont leur environnement de préprod donc ils testent le tout et il y a la recette/qualif qui vérifie que tout est isoidentique avec les montées de versions

Quelle taille de boîte et d'équipe de dev pour info ?

30 milles en Fr Devs qui recode notre truc ou devs en général? ou dans notre service?

C'est pas la MOE centrale qui "recode" ?

Nope, on a une équipe dédiée pour (genre préprod, qualif, développement webservices, tout le tututium, mise en prod); par contre toute la partie les serveurs de prod est gérée par un autre service et on a des intégrateurs qui, je suppose, font la partie chiante.
 
 
La DSI, aucune idée avec les prestataires, au dela de 1.5k personnes

Perso je suis tout seul dans ma boite a faire le pre-processing des données, l'implémentation, les apprentissages de modèles, et la mise en prod  

Non mais chez nous il y a whatmilles applis et projets et même SI. Tu doutes bien que tous les flux avec tout l'architecture qui s'en suit n'est pas la même que chez vous
 
Je connais même pas l'enchaînement entre mon pc et la personne qui utilise une application qui elle même utilise une sortie de modèle qui lui depend des données de Je sais pas combien de si

T'as pas besoin d'un collègue ? Je cherche un poste

Salaire / xp effaces pour confidentialité - MP pour plus d'info

Ressemble fortement à du Safran tout ça. Ton boss a un nom d'oiseau ?

 
T'es pas prêt aller à Castres mais en Allemagne sans problème?
Dooley et Rontgen sont en Allemagne, ja

nevermind

Pareil
Voire du frontend parfois
Perso je préfère ça
 
 
Dooley tu fais quoi ? Technique ou management ?

Technique, principalement oriente machine learning

C'est surtout que R, bon ça fait encore un peu bricolo de labo, le truc que t'as pas envie de mettre dans une chaîne de traitement en prod. En plus ça bouffe de la RAM à gogo, c'est lent, et peu facilement optimisation.
 
Honnêtement, point de vue dev, le Python est quand même carrément plus mure, "stable", c'est un vrai langage et a un autre niveau de perf.
 
Après j'ai eu des MOA qui avaient en tête faire des calculs en R via une app. C# juste parce qu'ils avaient la flemme de faire des specs détaillés et que pondre le code R de 200 lignes comme des porcs était plus facile/rapide/logique (pour eux).

Ton rôle Cest développeur ? Gestion d'équipe / projets ? Partenariats ?
Grosse structure ou petite structure ? Tu peux donner des détails ?
Ça m'intéresse de voir les évolutions possibles

Ach zut, ça va me faire trop loin...
Je préfère encore Castres (no offense)

 
J'ai fait un DUT Statistique (où j'ai fait du SAS, SPAD, VBA et R ) + MIAGE où j'ai fait du SPAD ça passe .
 
D'après les témoignages, ça va pas trop loin pour le moment

Hello tout le monde
 
Je fais appel au topic car je suis a la recherche d'articles/de conf ayant pour sujet le reinforcement learning. J'ai dejá un article de l'INRIA qui concerne la resolution de Markov Decision Problem en grande dimension.
 
De mon coté je vais zieuter Nips qui est un peu la référence. Dans l'idée,  je cherche deux trois articles, dont un overview (long, qui fait etat de ce qui a foncitonne et ce qui n'a pas fonctionne) et les autres assez mathematiques.
 
 
Le but étant de soutenir un memoire de master de recherche en maths.
 
Si jamais c'est en lien avec la finance de marché de pret ou de loin ce serait du bonus  
 
Merci d'avance

Il n'y a pas que NIPS, ICML est tout aussi bien en ML générique/théorique. Pour le côté théorique et théorie de l'apprentissage regarde COLT (Conference On Learning Theory). Tu pourras aussi trouver des trucs de renforcement dans AAAI (Association for the Advancement of Artificial Intelligence), ou AISTATS (AI and Statistics) et ICLR (International Conference on Learning Representations).

Le renforcement est pas mal à la mode et on trouve des papiers qui en parlent pour des domaines d'application plus spécifiques aussi. Par exemple en vision, Goodfellow va donner un tutorial sur les GAN à ICCV 2017 : https://sites.google.com/view/iccv-2017-gans .

Pour les overview je ne regarderais pas les conf (qui ont plutôt pour but de publier les dernières innovations) mais les journaux. Regarde JMLR (Journal of Machine Learning Research), Machine Learning, IEEE Transactions on Neural Networks, IEEE Transactions on Cybernetics, IEEE Transactions on Information Theory et des journaux plus spécifiques à un domaine. Pour ce qui est contrôle et renforcement, il y a SIAM Optimization and Control et d'autres journaux d'optimisation, recherche opérationnelle, théorie du contrôle comme IEEE Transactions on Control Systems. Dans les journaux de machine learning très côtés tu as aussi bien sûr IEEE Transactions on Pattern Analysis & Machine Intelligence (PAMI) mais c'est assez coloré computer vision, il y a beaucoup d'articles plus génériques ceci dit donc ça vaut le coup de chercher.

 
Je connaissais ICML, mais pas COLT, merci
 
En tout cas réponse de qualité, je ne savais pas que tu suivais d'aussi pret tout ce qui se faisait  (sauf en computer vision, ce qui n'est pas trop mon domaine )
 
En tout cas si d'autres ont des pistes aussi ou un article en tete je suis preneur

Je ne fais pas de computer vision en fait, j'ai fait des recherches en ML non supervisé en lien avec le compressed sensing, avec des applications en vision (mais aussi dans d'autres trucs, j'avais fait des tests sur des datasets de vision par simplicité). Là je bosse sur autre chose, et si je fais (ou plutôt quand je ferai) un PhD ça sera sur du ML plutôt générique/fonda à base de stats et autres. On peut en parler en MP

 
Ou je peux venir chez toi aussi

Pour le RL il me semble que le bouquin de Sutton (MIT press) reste la référence. A bon entendeur

Allez hop, drapal.  

Welcome \o/

Drap

Nouveau sondage