Reprise du message précédent :

Il y a une très grosse différence entre écrire des lignes python dans un notebook et faire des scripts avec des classes. Je parlais surtout de ça. Le reste oui, est assez rapide à apprendre…

Mais mais… si je dois payer 5000 euros j’aimerais avoir quelque chose de complet. Si on suit ta logique, les bidules ML et DL on peut aussi les apprendre sur  le net, alors pourquoi payer 5000???   Bon c’est à markov de décider.

C’est toujours pareil : chaque aime apprendre à sa façon…

Vous conseilleriez quoi comme formation à un ami qui veut une formation (diplômante ? ) sur la data science ? Pas forcément payé par sa boîte donc pas 15k€.

Aujourdhui il code en python et touche un peu à tout mais pas évidant à revendre pour changer de boite / job

Jaurai tendance à dire qu'un bon mooc ça fait aussi bien qu'une certification moyenne mais je suis pas recruteur

Cours kaggle + Mickaël Tits (gratuit dans les deux cas)  

 
Je suis plutot de cet avis. Mais comment tu valorises ça sur un CV avec des bourrins de RH?

Je confirme, j’ai un pote qui s’est auto formé en ML avec des blogs, la boîte lui a ensuite payé une certification à 9k dans une école réputée, il était meilleur que le formateur (pas dur cela dit, le formateur était jamais sorti de son école). Bon par contre pour faire comprendre ça à un RH…

Concours kaggle (c'est toujours gratuit), alimenter un git, participer à des meetups. Il aura accès à de bien meilleures boîtes que celles qui regardent le diplôme passé  il y a 5 / 10 / 20 ans avant

Par contre faut pas rêver le salaire sera celui d’un data scientist débutant. Ça peut piquer lors d’une reconversion…

C'est vrai mais normalement l'évolution sera rapide (c'est encore sous tension) et le plafond beaucoup plus haut que pour un développeur lambda sans spécialité recherchée

Il a 30 ans et n'est pas forcément ultra bien payé. Je pense que ça devrait aller.

Je lui ai conseillé de se faire payer un formation par sa boîte (si possible) juste pour avoir un nom de fac/école connu et de faire des mooc à côté

Le nom de l’école rassure et permet d’avoir le premier entretien effectivement. Après c’est une étude de cas, et c’est les compétences qui parlent.

Mais s'il va au bout de la formation Kaggle, il peut pas le mettre sur linkdin ?

C'est pas un peu tard pour ça ? Le secteur me semble complètement bouché.

Pour les très grosse COGIP c'est un tout petit peu calmé (de ce que je vois) mais sur le reste c'est toujours la foire d'empoigne. Je dois recevoir une à quatre offres par semaine (de gens qui n'ont pas lu mon profil manifestement   ) sur des jobs de data science / Big data / data engineering. Y compris les @cc€nture et autres CAP G

Pas trop inquiet pour quelqu'un de motivé qui se reconverti :-)

Ça passera pas le filtre des équipes de recrutement (j'en connais pas une seule qui mets Kaggle dans ses filtres) mais en complément de bonnes compétences avec un peu de réseautage pour moi y'a pas besoin d'une école particulière

Bonjour ou plutôt rebonjour,

Comme je commence mon nouveau job le 2 novembre, je me dis que j'ai assez de temps pour faire une formation sur coursera. Pourriez vous me conseiller quelque chose?

Je cherche:

Soit DL et tensorflow (ou Pytorch, why not...). Mais j'ai déjà une expérience de 6 mois en classification d'image avec TesnorFlow. Je cherche un cours où on comprend réellement ce qui se passe à l'intérieur du CNN. Et j'aimerais aller plus loin que la classification (GAN, détection, segmentation etc). Je suis aussi intéressée par TensorFlow lui même.

Soit l'analyse de Fourier. Presque surement je serais confrontée aux séries temporelles (données physiques), donc il faut connaitre à minima l'analyse de Fourrier et peut-être autre chose. J'ai fait quelques projets où il fallait faire la décomposition Fourier, mais cela reste assez obscure. A l'un de mes entretiens on a mentionné une autre décomposition, plus performante... mais je ne me souviens plus le nom.

Dans les deux cas je cherche à comprendre en profondeur les processus pour passer du stade "j'appuie sur les boutons pour faire des jolies trucs" à "je sais ce que je fais et pourquoi => je suis capable de créer les choses". Des conseils? Merci à l'avance.

J'aime bien celui récent du CNRS :  
https://youtube.com/channel/UC4Sukzudhbwr6fs10cXrJsQ
 
La partie 2 est consacrée aux CNNs : à voir si le niveau de détails te convient  
 
Mon avis personnel est que pour aller au fond des choses rien ne vaut un bouquin spécialisé... et beaucoup de temps

Si vous connaissez les bons bouquins en DL qui sont récents et étudient les choses en profondeurs, je suis preneuse!

Merci pour le lien!

Le cepstre ?
 
L’analyse cepstrale est une technique complémentaire d’analyse, développée sur plusieurs variantes, dont les plus utilisées sont le cepstre complexe , défini comme la transformée de Fourier inverse du logarithme décimal de la transformée de Fourier, et le cepstre de puissance défini comme la transformée de Fourier inverse du logarithme décimal du module de la transformée de Fourier du signal.

 
Pour la convolution j'avais bien aimé ce petit papier : https://arxiv.org/abs/1603.07285
 
Pour TensorFlow / PyTorch, voire Jax même Flux ou les autres, tu peux te renseigner sur les différences entre ces librairies et choisir celle qui te convient le mieux de par leur mode d'utilisation et possibilités, et te former dessus.
En prenant en compte ta dernière phrase je pense que tu devrais éviter tensorflow, ou alors construis toi même les méthodes d'entrainement

Peut-être quelqu'un sera intéressé. J'ai trouvé les vidéos du cours de Stanford CS231n: Convolutional Neural Networks for Visual Recognition :  
http://cs231n.stanford.edu/
Les slides de 2021: http://cs231n.stanford.edu/slides/2021/
Par contre les vidéos les plus récentes sont de 2017, fait par Andrej Karpathy. Il explique super bien. Le début, cela peut aller. Mais pour la suite il y a une grosse différence entre les slides de 2017 et 2021    
 

Merci beaucoup pour le pdf. C'est ce que je cherchais! Je suis d'accord pour tensorflow, mais il y a des contraintes (c'est utilisé dans la boite).  
 

J'ai regardé une vidéo, ce n'est pas ce que je cherche. Il ne va pas au fond des choses.

 
J’avais beaucoup aimé les lectures de Stanford à l’époque. Très bien structuré, contenu de qualité. C’est dommage que ça ne soit pas mis à jour ces vidéos.

 
Pour comprendre réellement comment ça marche faut accepter plusieurs trucs :
 
1/ C'est pas du tout un secteur "mature" sur la théorie, c'est pas l'analyse de Fourier / la regression logistique avec pleins de théorèmes sur tes résultats.
 
2/ Les gens qui y pigent le max passent 3 ans en thèse à faire que ça / lire des papiers / tester des trucs. Je pense qu'à ton niveau, vouloir comprendre le fond du truc c'est l'équivalent pour un dev de comprendre pourquoi quand il fait .show() les pixels changent de couleur. C'est intellectuellement intéressant mais à un moment faut accepter de taffer avec des morceaux qui nous échappent.

Hello,j’espère que je réveille personne    
 
Est-ce que quelqu’un connaît grosso perso les tarifs annuels d’utilisation d’une plateforme de type Datarobot ? Leur modèle de facturation quoi.

Les modèles sont assez variables.
Donnes plus d’éléments de contexte.

Imaginons qu’une entreprise veuille développer avec ses propres DS puis mettre en production un modèle de prédiction des ventes des ses produits, 3000 références dont on veut individuellement prédire les ventes sur les 6 prochains mois avec un pas d’une semaine et mettre à jour les prédictions toute les semaines en fonction des dernières données de vente disponibles.

Ok ça c’est ton use case. Si il sont des DS qui savent coder pourquoi aller vers ce type d’outils ?
J’imagine qu’il y a d’autres éléments recherchés ?

Parce qu’en l’occurrence ce sont des DS qui à la base sont ingénieurs anything et qui ont eu une formation de 20 jours à la DS, donc il sont pas cons, ils savent bidouiller en data science mais sans être des cadors. Et surtout ils savent un peu coder en python sur un environnement de développement type VS Code, mais ils ne savent pas passer en production et scaler.  
 
Mais je ne sais pas vraiment ce que fait DataRobot en réalité  

Ne faudrait-il pas embaucher des personnes pour la mise en production?  

Bah faut pas se faire chier et tout faire en MATLAB, au moins tu auras des outils sur étagère
 
Sinon, une plateforme DataWhatever pour disons une équipe de 5 à 10 personnes, faut compter 100 à 200 k€ par an.
 
Mais il faut garder à l'esprit que la plateforme en question ne te permettra probablement pas d'industrialiser. Certains prétendent que c'est le cas mais en réalité, c'est du bullshit dans la plupart des cas.

Non mais c’est pas pour nous, chez nous on a des DS, des devs, des gars qui font de l’infra, du coup on sait industrialiser nos projets. Je pose la question pour une micro étude de marché.  
 
Du coup une plateforme DataTruc pour une petite équipe de DS on est sur du 100 à 200 keurs/an, mais si on veut industrialiser le service derrière ça tourne ça fournit une infra en mode Infra as a service ou bien il faut créer une infra locale ? Et ça crée une API pour recevoir les requêtes et délivrer les prédictions ?
 
Et en passant, Matlab dans des conditions comparables çà coûterait combien ?  

Entrons une seconde dans les détails d'une plateforme que je connais bien, Dataiku en l'occurrence. Note que mes infos sont peut être un peu datées mais dans l'esprit, ça doit rester valable.

• Pour l'environnement de prototypage, il faut acquérir une licence serveur (80 k€ par an) + N licences utilisateurs (de l'ordre de 5 k€ par utilisateur et par an).
• Pour les environnements de préproduction et de production, il faut acquérir en plus une licence de mise en production (10 k€ par an et par instance). L'instance de mise en production permet d'exécuter les modèles créés via la plateforme en mode API. J'ignore en revanche ce qu'il advient des pipelines de transformation de données, j'imagine qu'il y a un peu de boulot pour mettre tout ça en musique.

Dataiku ne fournit aucune infra, uniquement la brique logicielle. J'imagine qu'on doit trouver des offres SaaS sur étagère auprès de certains cloud providers. Un autre point à mentionner ici est que Dataiku fait un usage croissant de Kubernetes, à tel point que Kubernetes est devenu (encore une fois à ma connaissance) l'environnement de déploiement privilégié. Cela suppose donc d'avoir un cluster Kubernetes sous la main et une équipe pour le gérer.
 
Côté MATLAB, il faut compter 2-3 k€ par utilisateur et par an + quelques k€ par an pour la licence de compilation + 10 à 20 k€ par an pour la licence de mise en production (en fonction du sizing, l'idée étant de déployer un certain nombre de "workers" qui sont en capacité d'exécuter les requêtes entrantes en parallèle).

Merci pour ces infos, c’est très clair  

Pourquoi pas essayer les solutions type AWS, Azure ou GCP ?

C'est très flexible, très peu cher et très adapté pour des gens qui savent bidouiller (plutot que se renfermer dans des solutions propriétaires).

En plus le pricing est public vu qu'il est à l'utilisation donc tu peux faire de très bonnes estimations.

Je dis ça car j'ai un use case similaire (avec 3 fois plus de refs) et ça tourne utilise des services azure comme databricks. Par jour, mon job me coute 2€. Il va chercher la donnée dans une base Teradata (relou mais c'est un truc historique de la boite), mon ML tourne dans un cluster databricks et boom après bon l'export moi c'est un fichier PDF/Excel envoyé à plusieurs marchés à travers le monde mais ça c'est la partie onsenfou.

Ouais mais adapté que pour des codeurs bidouillées uniquement.

Proposer des solutions cloud et parler d’éviter de s’enfermer dans des solutions propriétaires dans le même message, c’est un peu fort de café
 
Y a pas grand chose sur étagère chez les cloud providers. De manière générale, faut savoir coder.
 
Sinon, ton use case, c’est du batch à première vue, non ? Rien à voir avec des API en termes de complexité.

Il a parlé de faire du Spark / TF / Pytorch / Scikit ... via une plateforme que tu retrouves partout. Pas du SageMaker en BigQuery ML

Et ne parlons pas de l'Egress c'est moins de 100€ le TB. Il va pas devoir fermer la boîte pour exporter son dataset

Allons allons, tu es très bien placé pour savoir que même si la plupart des technologies proposées par les cloud providers sont effectivement open source, ils font tout pour maintenir leurs clients captifs, soit par des mesures techniques soit par une structure de coûts bien étudiée.
 
Entendons-nous bien, je ne critique pas, chaque entreprise a le droit de protéger son business comme elle l'entend dans la limite des régulations en vigueur. Il y a vraisemblablement des clients à qui ça convient.
 
Mais voir des gens se plaindre de technologies propriétaires et mettre en avant dans le même message les cloud providers alors que c'est du vendor lock-in puissance 10 par rapport à tout ce qu'on a pu connaître par le passé, ça me fait doucement rire

Il mettait en avant le coût et la facilité d'utilisation. Le vendor locking quand il s'agit d'open source    

C'est un peu l'équivalent de "Monsieur le client, n'achetez pas de serveur HP : la carte ILO est spécifique et vous devrez changer vos habitudes / les sondes de monitoring demain si vous passez chez Lenovo"

 
Ah bah je réitère, les solutions propriétaires, c'est un enfermement au quotidien pour un data scientist. J'ai récemment basculé dans du cloud provider et c'est bien plus de liberté proposée, très clairement. Après la liberté absolue c'est évidemment d'avoir son propre truc à soi (mais bon courage) mais pour moi les cloud providers > solutions propriétaires niveau liberté, aucun doute là-dessus, c'est tellement plus agile c'est un bonheur.
 
Et surtout cette possibilité pour nous les DS de maitriser les coûts et d'avoir un truc qui nous parle direct, c'est tellement rafraichissant. J'ai encore en tête ces histoires de négociations sur les prix des licences, les prix d'exploitation du logiciel faits par des gens qui n'y connaissent rien et entendent pas nos avis .
 
J'ai 0 action dedans mdr (contrairement à o_BlastaaMoof_o que je soupçonne d'avoir quelques parts dans MathWorks jk)