Reprise du message précédent :

 
Doctor = médecin  

Déjà corrigé. De toute façon, c'est stupide comme vidéo, surtout cette année.

 
Je cherche un/des mooc(s) pour des former des purs data engineer à la data science. Juste pour avoir un petit vernis et des notions. Pas trop mathématiques mais plus d'explication avec les mains. Des idées ?

Ce topic est bien mort depuis la disparition de NowCompliant

 
Pas un mooc (il y a bien celui d’Andrew Ng recommandé très souvent par exemple, et des bouquins mentionnés dans les pages précédentes), mais je recommande les vidéos de StatQuest pour comprendre le fonctionnement des algos. C’est bien foutu, tu comprends aisément comment ça fonctionne, et il fait les calculs à la main avec de petits exemples.  
 
 

 
Sans ses péripéties, forcément il y a moins de contenus.

J'espère au moins que ça cartonne pour lui
 
Au pire on le reverra quand il se sera fait jeter

Oui je l'ai fait Andrew NG. Mais c'est trop long/lourd pour un vernis pour des DE.
Je regarde StatQuest

 
Statquest est vraiment bien, ça m'a toujours suffit pour comprendre en gros comment marche un algo que je connais pas ou que j'ai peu utilisé jusqu'ici pour avoir une idée de comment optimiser les paramètres.
 
Les articles de machinelearningmastery.com sont pas mal aussi, mais je trouve que c'est parfois un peu trop survolé et qu'il faut approfondir
 

La partie « About » du site explique l’origine du projet:
https://statquest.org/about/
 
Une bonne introduction aux concepts/algos. Les intros et le ton de ses vidéos valent le détour.  
 
Je ne sais pas si c’est disponible sur le site, mais il manquerait à mon sens un parcours à suivre même si on peut s’inspirer des formations en ligne ou des livres.

La classe

C'est quoi ? (proxytaff)

Vous ne pouvez pas utiliser un smartphone dans l'Open Space ? Franchement c'est rien qui vaille la peine de recopier trois lignes d'une blague pour développeurs : ce soir ce sera toujours là  

 
What happens if you solve a machine learning problem using algorithms with heuristic strategies ?
 
 

Des nouvelles du front côté chatbot / GPT3 :
https://twitter.com/teemu_roos/stat [...] 0258921473

Y'a du boulot avant d'arriver à des personnalités équilibrées quand même

A noter que C4IN (deuxième transcript) fera un très bon skynet  

J’ai bien aimé Samantha qui préfère sauver un chat car tout le monde aime les chats    
Il avait été utilisé pour du médical et avait conseillé à un patient (fictif) de se suicider si ma mémoire est bonne    
 
Il y a encore du chemin à parcourir mais GPT3 reste impressionnant.

GPT3 est impressionnant au niveau de la syntaxe mais à part ça il raconte de la merde absolue dans tout ce que j’ai vu.

 
Tu cherche quoi exactement ?  
 
Mon impression est que l'essentiel de la demande on veut pas des ML ou data science pur, mais des gens qui  sont 50% dev, 50% ML et data science. Toi tu es 80% économiste recherche 20% ML non ?
 
Un profil recherche/théorique va plaire, mais à beaucoup moins de déchouchés je dirai et on voudra tant qu'à faire un vrai de vrai qui lui touchera le jackpot.
 
Ta de quoi montrer que tu te débrouille en pratique ? Un bon profil kaggle ? Tu peux réussir un test de programmation (en python par ex), haut la main ? Un github sympa ? Une XP de dev au moins sinon ? Bien sûr tous tes modéles sont testés et validés automatiquement et ta un bon workflow pour les opérations ?
 
Et si tu es à fond sur d'autres trucs qui n'intéréssent pas les employeurs, c'est ton droit. C'est aussi leur droit de pas te faire de proposition. La réalité, c'est qu'en Data Science et ML en entreprise l'outil de base c'est l'informatique et du coding. Et qu'une bonne partie du boulot est de l'info pure: récup/clean des données, connecter des systémes entre eux, déployer tout ça sur un cluster dans le cloud...
 
Ma soeur est passée par là y'a quelques années, pourtant profil plus facile. Thése en info pour poste en info. Elle a eu le poste car elle était meilleure aux tests en C++ que des ingénieurs qui sortaient de l'école qui étaient aussi sur le poste. Pas grâce à son sujet de thése. C'est la dure réalité. Coup de bol sa thése était pratique, elle avait fait beaucoup de code pour comparer divers algos et méthodes qu'elle étudiait. Mais les collégues qu'elle avait trop théorique ils ont galéré.

La violence

Coup de foudre

Attention je suis sans doute agressif et direct, mais mon but n'est pas de casser la personne. Plus de lui faire se rendre compte que le marché n'a pas forcément comme priorité d'avoir des chercheur en économie qui ont fait un stage de 3 mois en ML.
 
Déjà en pure data science (sans ML) ca passerai mieux car faire des stats c'est ce qu'elle a beaucoup fait dans sa thése et clairement la formation de ML est un plus.
 
Mais la plupart des offres dans le privé, on a besoin de gens qui savent dev.  
 
Justement je suis dans un projet ou l'on travaille avec des data scientist et y'a des discussions entre les techniques et tout le management en coulisse par ce qu'un des data scientists n'arrive pas à coder. Il nous est du coup parfaitement inutile et je me retrouve à faire le boulot à sa place. (je me débrouille mieux en data science sans l'avoir étudié que elle en coding, ce qui est inquiétant).
 
Du coup, j'essaye de voir comment faire accepter au management qu'il soit formé sérieusement à la programmation.
 
Et plus généralement quand les seniors dans la boite voient le manque de test, process, validation associé aux data scientists on manque d'avoir des crises cardiaque.
 
Renseignez vous, la plupart du temps les boites veulent pas un théoricien, mais quelqu'un qui va se démmerder en pratique. Genre ta boite à de l'IT, des données un peu partout, plein de logiciels et faut tout rationnaliser, cleanner, récupérer, stocker, versionner et faire des modéles qui vont améliorer les produits en production... Si possible pour pas cher.  Et quand tu calcule un modéle toutes les semaines ou le met à jours progressivement en continu, faut s'assurer aussi qu'un bug ou une modif du code ne pourrisse pas tout. Là ou je suis si le dernier modéle pourri les perf, les clients vont se plaindre et on va avoir plein de problémes. Faut que ça marche super bien de façon transparente et en continu.
 
Alors un super bon théoricien sera au top pour réfléchir plus en amont à tête reposée, mais s'il veut être efficace faudra au moins qu'il puisse prototyper quelques trucs. Et t'en aura 1-2 pour 20 gus qui feront de la data science plus basique. Et dans ce cas, si on a le choix on prendra quelqu'un qui a fait toute sa thése dessus ou un data scientist tres enthousiate et compétant qui a 10 ans de boite et maitrise à fond le domaine de la boite.
 
Soit j'ai rien compris, soit cassiopella a fait une thése en économie et elle sans doute au top là dedans. Mais elle n'a probablement utilisé la data science que comme data analyst pour sortir des rapports et valider les hypothéses liées à sa recherche.
 
Elle n'a pas travaillé ni à mettre en place un data lake pour une entreprise, ni par exemple à optimizer un recommendation engine via un algo adapté, ni sur du deep learning pour prédire les tendances économiques futures ? Et encore moins à proposer un nouveau type de réseau de neurones pour mieux reconnaitre les visages ou à proposer des nouvelles méthodes pour rendre des alogs comme GPT3 moins raciste. A moins que je me plante bien sûr ?
 
Son initiative est cool, mais à mon sens il faut aller plus loin. 1 mastére de 1 an data science aurait bien fonctionné pour un job de data scientist débutant. La elle peut sans doute y arriver en montrant qu'elle sait faire en pratique, d'ou les kaggle d'un coté, et un bon niveau en python (par exemple en s'entrainant sur hackerrank jusqu'à maitriser les problémes de niveau moyen). Elle peut aussi faire une seconde thése en ML et devenir super forte sur le sujet.
 
Si elle veut être prise comme chercheuseen ML, ça sera toujours difficile car sa thése n'est pas dans la bonne spécialité. Ca peut passer, mais il faudra être super bon à se vendre, et c'est loin d'être évident en période covid.

foudres, j'ai fait la thèse en économétrie et non économie. Je répète : E-C-O-N-O-M-E-T-R-I-E. Certes, dans le mot économétrie il y a toutes les lettres du mot économie, mais cela ne signifie pas que ce sont les mêmes mots et les mêmes domaines.

Donc tu proposes à une personne qui a non seulement Master 1 en Data Science, mais une thèse en Data Science et donc de l'expérience de... refaire M1? Elle est où la logique? Ou la Data Science c'est uniquement maintenant des gens qui font du ML?

A ton avis? Tu change le domaine de ma thèse puis tu inventes mon parcours et tu dis à ma place ce que je désire. La seule chose que tu as oublié de dire: "les filles ne savent pas et ne sont pas fait pour coder". Ou tu laisses une exception pour les filles russes? On a de l'info depuis la 6e et ce n'est pas la mumuse scratch.

Gna? Vous l'avez trouvé où? C'est quoi son profile? Comment fait-il pour récupérer et nettoyer les données? Bon, on a eu il y a trois semaines un candidat pour le stage d'info venant de M2 info qui n'a pas réussi le test. C'était juste horrible.  

WTF ce procès d'intention sorti de nul part

Ceci dit je comprends pas du tout la violence du message de foudres
 
J'en ai vu des data scientists, j'ai jamais eu l'impression que c'était si élitiste / compliqué de rentrer dedans. Et j'ai vu tous les profils : économie, PhD math appliqués, biologie, ingénieur de formation, etc... Du moment que les types sont logiques et bon en modélisation, c'est bon.  
 
Pour le code, on s'en fout. Tu sais faire du python t'apprendras sur le tas, si tu codes un peu propre c'est déjà bien. 10% de mon métier c'est de repasser sur le code de la DS pour le faire mieux tourner : t'as pas besoin d'être un génie du multithreading et de l'optimisation bas niveau pour concevoir des modèles utiles.

non mais le fond du message je crois que c'est : le marché n'a plus besoin de chercheurs avec un bagage maths app qui savent implémenter leurs algos sur des cas tests, mais plutôt de gens qui ont des réflexes de développeurs et savent construire un projet informatique d'ampleur en équipe.
 
Je code plusieurs heures par jour en Python dans mon taf mais je sais bien que j'appartiens à la première catégorie et pas à la seconde. Jamais il ne me viendrait à l'idée que je colle aux attendus de ce type de postes.  
 
(je parle en général, pas du profil de cassiopella)

 
Il est vrai que la forme peut paraitre brutale, cependant il a pris le temps d'une réponse construite et argumentée, cela permet une discussion productive sur le forum    
 
 

 
C'est aussi ma lecture à la fois du message de foudres et du marché qui a commencé à se structurer il y a quelques années. Même les plus gros industriels connus pour leur lenteur ont désormais des équipes dédiées DS/ML - à différents niveaux de maturité bien sûr - et passent des phases POC vers de la production. Aussi beaucoup d'acteurs réalisent (et c'est ce qui a été dit au dessus) que les modèles les plus complexes n'ont pas de lien 1:1 avec la création de valeur, souvent un modèle standard et une implémentation pragmatique suffisent LARGEMENT.
 
 

 
Dommage de répondre de cette façon imo... Cependant, une question, quels sont les contenus des programmes économétrie?  
J'ai recruté dans mon équipe un PhD Behavioral Eco et la personne performe bien.  

Cela résume extrêmement bien son message. C’est ce qu’il a dit, plusieurs fois.

je pense que cassiopella aurait dû dire qu'elle avait fait une thèse en stats avec traitement de données réelles
 
c'est très peu faux et il y aurait eu moins de malentendus

Le fond oui... Si tu dis juste cela c’est ok.  Mais le corps de son message: en gros il dit que je suis une chercheuse nulle en programmation, qui ne comprend pas les besoin du métier et qui saura pas travailler sur un projet info en équipe, le mettre en prod. Et fini par me conseiller de refaire mes études.
 

Même s'il y a des messages vraiment étranges et certains... heu... grossiers, je vous remercie pour vos réponses. Cela me permet de comprendre ce qui se passe dans la tête de la personne qui voit mon CV et lit "économétr... Quoi??!! Ah non, poubelle".

Merci @Dr_Zaius, je pense qu'effectivement il faut que je banisse tous les mots commençant par "économ...". Parce que ce n'est pas la première fois. Et à vrai dire @foudres est plutôt "gentil" parce qu'il ne m'a pas dit que je suis dans l'incapacité de faire les maths. Oui, on m'a déjà dit "Mais vous venez des sciences molles et n'avez aucun niveau en maths, encore moins en stats. On ne peut pas envisager votre candidature!". Mot pour mot.  

Tu trouves que ces passages sont constructifs:

??? Moi, je les trouve immondes   Bon ok, certains de ces passages viennent du fait qu'il a pensé à tort que je suis économiste. Mais même si jamais j'avais été un économiste BAC+8 et non économètre, je trouve tout cela choquant. Seul diplôme compte et pas l'expérience.

Je ne comprends pas pourquoi faut-il juger autant et présupposer des choses. @foudres parle de kaggle et github. Je doute fortement qu'il aurait remarqué le lien vers github dans mon CV puisqu'il a déjà "tout compris" sur mon profil.

Le message de foudres est intéressant parce qu’il montre ce qu’un RH qui a 30 secondes pour juger un CV va comprendre. Ça veut probablement dire qu’il faut reprendre le CV et le discours associé. Déjà dégager « économétrie », sauf si il apparaît dans l’offre d’emploi, parce que c’est de toute évidence mal compris.

 
^ This
 
Remplacer économétrie par mathématiques appliquées devrait aider. Pas sûr que la majorité sache qu’est l’économétrie.
Et encore faut-il passer le screening logiciel si la boîte en utilise. Sans les bons mots clés, ça ne passe pas.  
 
Il y a quelques années on m’avait transmis un site américain permettant de vérifier l’adéquation entre son CV et une offre sélectionné, je ne sais pas si on trouve la même chose en Fr?

Le CV ce n'est pas de souci. Mais que faire avec LinkedIn? Je ne peux quand même pas mentir sur le nom de ma thèse ou le nom de mon diplôme M2.    
 
La première chose que vous regardez dans le profile linkedIn, c'est quoi?

 
 
De mon point de vue ces messages apportent de la valeur: c'est un feedback (certes anonyme donc à prendre avec des pincettes) qui reflète la réalité pratique des participants, et qui pourrait être identique dans les entreprises où tu postules. Ils me semblent donc précieux dans un contexte de recherche d'emploi.
 
Les grandes lignes sont en adequation avec ma propre experience, à savoir que les profils purement/ exclusivement théoriques/ chercheurs sont moins recherchés par les entreprises que les profils complets avec expérience pratique. Il ressort de tes messages que tu disposes de cette expérience pratique, peut être n'est-elle pas mise en avant lors des entretiens? On peut en discuter en MP si tu veux, j'ai un peu de temps cette semaine.

 
J'ai developpé un prototype pour mon employeur il y a quelques années, on a arrêté car il fallait standardiser trop d'inputs et au final on rejetait des CV dont l'auteur avait été embauché.  
 
Quand j'ai bossé en milieu tres competitif vers 2010 on conseillait d'ajouter quelques termes en blanc en pied de page pour passer les scans automatiques  
 
LinkedIn semble offrir cette fonction cela dit.

 
C'est comme ça qu'on a mis notre client en colére et qu'on a raté une deadline et qu'on a eu des bugs en prod. Tout ce qui touche de prés ou de loin le produit, que ce soit une config, la data science, le code, whatever, ça doit marché être bien écrit, validé par des tests robustes et que c'est stable en prod.
 
Les gus se retrouvent à avoir les process automatique qu'il faut relancer une semaine sur 2, le code est peu/pas unit testé et fait n'importe quoi. L'autre fois on fait un hand over pour qu'on puisse aider à aller plus vite sur le sujet vu que notre data scientist est un peu "newbie", on va dire ça.
 
Et bam, code pas écrit pas le newbie, et au au beau milieu ta une grosse erreur de logique. On s'apperçoit que tout le module d'optimization vendu au client optimizait l'indicateur d'à coté. Tu trouve ça sérieux toi ?
 
Le minimum c'est de maitriser l'ingéniérie logicielle, de tout tester, avoir des process stables en prod versionnés qu'on peut fallback ou utiliser en canary et qui sont STABLES. C'est pas par ce que les gus se basent sur des maths que c'est une escuse pour avoir 0 rigueur et pas maitriser leur outil.
 
Or leur outil de base chez nous c'est python. Et malheureusement d'XP, si le gus ne sait déjà pas l'utiliser c'est un paris sur l'avenir de savoir s'il va y arriver un jour. Et vu que les gens sont invirrable et que tu te les prend aprés de façon aléatoire assigné à tes projets et doit faire le boulot à leur place ensuite, trés peu pour moi.

 
En fait si ta fait math sup / math spé ou qye tu as au moins une licence en math et pas info ou économie oui ça va les rassurer. Les gens pensent qu'en math sup / spé ou avec une licence voire une thése en math ta beaucoup de math. Et s'ils cherchent économétrie sous google y'a écrit que ça fait partie des sciences économiques... Pas des maths ou de l'info. Et au moins un curcus d'économie classique a un niveau fplus faible ne math.... Que ce soit vrai ou pas n'a aucune importance. Tu dois convaincre si tu veux le job.
 
Donc oui si ta thése est rééllement en math on data science je changerai le titre. Comme ma soeur à une thése en info alors que si l'on est précis c'est comprehension de la parole.
 
Au final pour beaucoup de recruteurs le parfait data scientist a un profil data science, maths et info. Faut se concentrer la dessus.
 

Bref, auprès des entreprises il faut toujours en premier se faire passer pour quelqu'un de doué quand il s'agit d'utiliser un pc et de produire du code proprement, avec en bonus des compétences en maths qui peuvent être un bon bonus, plutôt que l'inverse
 

 
  J'ajouterai aussi qu'il faut adapter le discours à la cible, les HR seront ravis de lire que les compétences en maths vont créer de la valeur, les pairs qui conduiront l'entretien seront soulagés que le code soit propre.

J'ai un peu de temps cette semaine alors je cherche à upskiller - je n'ai encore jamais travaillé sur du process mining proprement dit
https://fluxicon.com/blog/2015/10/w [...] cientists/
 
Quelqu'un ici aurait l'experience et une formation à recommander?  
J'ai vu ce coursera (mais 22h total) https://www.coursera.org/learn/process-mining