Reprise du message précédent :

 
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)

Vous auriez une (ou des ressources) pour du NLP sur du Customer Feedback ? J'ai les grandes lignes de comment faire ce genre d'analyses mais avoir des reco concrètes sur des problématiques que tu peux avoir (par exemple, quand ça interprète le "no" dans "no problem" comme mauvais alors que le feedback est bon, c'est quoi le genre de bidouilles à faire, etc...)

Hello ici
Vous auriez une formation (si possible certifiante) à recommander pour un DS qui veut se renforcer en Business Analytics/Intelligence ?
Madame n'a pas le temps de chercher et m'a demandé de l'aider, mais plutôt qu'un truc au pif sur internet autant demander à HFR...

Elle a quelle connaissance dans le domaine?
Quelle durée de formation?

Elle touche bien sa bille en machine learning, en python ; pas eu beaucoup l'occasion de faire du deep learning. Elle vient de la recherche publique donc les notions bizness n'étaient pas dans sa sphère à l'origine (elle est dans une start-up maintenant) ; reconversion/évolution en DS après beaucoup d'XP en data analyste / Big data / HPC dans la génétique (depuis bien avant qu'on appelle ça data science/analyse   )
Durée de la formation, à voir, l'idée c'est plutôt de le faire financer par sa boîte pour renforcer ses aspects la, mais comme elle croule sous le taf ils ne la laisseront pas partir pour des semaines de formation a temps complet. Plutôt en MOOC comme ça elle peut le faire à son rythme (ie beaucoup plus rapide que la moyenne...)

Elle ne préférait pas se mettre à jour sur la génétique à base de pipelines GATK / Cromwell ? Le domaine me semble très dynamique en ce moment et plus motivant que faire des dashboard et des slides

Autrement si elle est motivée j'ai une amie qui s'est formée en cours du soir avec la CNAM : https://formation.cnam.fr/recherche [...] 95801.kjsp

Plutôt contente et ça lui a permis une belle reconversion

Le but la ce n'est pas de passer un diplôme complet mais d'étoffer son CV sur son point faible...
Que ce soit pour négocier une augmentation avec son employeur ou aller voir ailleurs s'il continue à la sous-payer (il ne comprend pas qu'il n'arrive pas à recruter de DS expérimenté mais il refuse de "se plier à leurs exigences ridicules" ).

Et la bio, le souci ce n'est pas les sujets à étudier mais c'est un domaine qui clairement paie moins, c'est pour ça qu'elle est passée à autre chose...

Ok je comprend
 
A sa place je commencerai par là (ou équivalent)
https://www.coursera.org/courses?query=power%20bi
 
J'ai pas forcément de feedback mais sur les plateformes de MOOC la qualité est souvent bonne et le rapport qualité/prix souvent imbattable

 
Coursera est sur sa liste habituelle, ici j'espère avoir un feedback d'un DS sur l'une ou l'autre des formations  

Un DS qui veut se palucher le vulgaire dashboarding alors qu'il peut faire un bon export en CSV ou stocker le résultat dans une BDD et laisser un datanalyst / métier qui s'y connait se démerder ?  

Plus sérieusement je vois surtout du matplotlib dans un notebook ou alors un Flask / swagger pour laisser le travail aux dev et si le datascientist est de bonne humeur il concedera éventuellement un tableau croisé dynamique dans un tableur avec un driver ODBC

Je ne peux pas t'aider d'avantage sur ta première question malheureusement mais si je devais donner un conseil "pognon" : elle ne voudrait pas plutôt apprendre des compétences du métier ? (Enjeux à venir, réglementations, marché et relais de croissance, comment récupérer des données de meilleurs qualité ...). Ça la rendra très visible des métiers et plus à même de les accompagner que s'approprier un domaine normalement déjà bien pourvu dans une majorité d'entreprises  

Si sa boite utilise les services Google, elle peut regarder du côté de Looker. Et le système de labs Google est assez sympa pour de la formation.  
 
Après sa boîte a déjà des outils de BI? Si oui peut-être regardé des choses en lien avec les outils déjà en place.

Elle a déjà mis en place des dashboards BI avec dash/plotly/Django, c'est sur les business cases qu'elle se demande ce qui pourrait lui manquer.
Là elle est dans une petite start-up, ils n'arrivent pas à recruter, donc la data analyst c'est elle aussi pour le moment.

Changer le job pour trouver une place plus intéressante?

C'est prévu à moyen terme, là on cherche à acheter donc elle reste en CDI hors période d'essai.

est-ce que vous connaissez des lib pour faire du prédictif sur un parcours client sur un site web ? De manière a cacher les éléments qui auront le plus de chances d'être ouverts ?

L'inverse tu veux dire ? Ou vous cherchez à dégrader l'expérience des visiteurs ?  

Cacher = mettre en cache je suppose.

Du coup un CDN me paraît plus efficace / simple à mettre en œuvre

Le CDN c'est du cache géolocalisé, peut être parlait-il du cache on-site...

oui je parlais plutot de ca.
Je suppose que d'autres avant moi ont essayé d'anticiper le parcours des utilisateurs.

La volumétrie à cacher (et donc à présenter) est telle pour avoir besoin de déterminer le parcours client ? Selon l'environnement technique, le caching peut se faire à différent niveau sans forcément avoir besoin de déterminer le cheminement : Dès qu'un fichier est demandé il est stocké en mémoire avec une rétention +/- longue et tout dépend du type de contenu à restituer mais les infras standards s'appuient sur Varnish, Redis, Memcached selon les besoin mais dans ton cas cela semble n'être que des fichiers plats donc tu consommeras à mon avis plus de temps CPU à déterminer le parcours client que consommer quelques IO disque pour cacher lors de la sollicitation de la ressource...
 
Après je suis pas un data scientist mais un sysadmin...

bonjour, vous savez ce que ça vaut les formations bootcamp en data science de 3 mois (par exemple lewagon, jedha et autre)?

Tout dépend ton objectif/tes attentes avec cette formation.  
Je n’ai regardé que lewagon, mais 9 semaines, dont 2 dédiées à un projet, c’est assez cours tout de même. Toutefois le programme est cohérent, difficile de faire plus ou très approfondi en ce laps de temps.  
 
Un collègue a fait une « reconversion » ou spécialisation, venant d’un parcours dev, mais via MSc au sein d’une grande école d’ingé. Avec en plus de nombreux challenges Kaggle et un joli classemement sur la plateforme.  
Pour une reconversion, si jamais c’est ton cas, ça me semble plus solide comme option.

ok merci pour la réponse!
Je suis effectivement convaincu qu'un master serait plus approprié et propre (vrai cours et un stage).  
 
Ce type de bootcamp est probablement cher pour ce que c'est, mais cela a l'avantage de réduire le coût d'opportunité si cela est fait en mode formation continue (cad en plus du taff en parallèle).
L'idée ici serait finalement de "valider par un papier" / formaliser des compétences obtenues en autodictacte (ca vaut ce que ca vaut), tout en apprenant très probablement de nouvelle chose (typiquement sur le plan opérationnel).
 
Ma question porte donc essentiellement sur la reconnaissance dans le monde pro de ce type de formation, et la capacité à être rapidement opérationnel une fois poste. D'où ma demande de feedback, si dans vos entreprises/équipes, vous avez des gens qui sont passés par cette case?

 
 
Etant dans la BI (construction/alimentation de Data Warehouse sur SQL Server, Azure Databricks, Azure Synapse Analytics), votre topic m'intéresse  

Bonjour à tous,  
 
Actuellement en 2ème année à l'ENSAE, je réfléchis à faire une année de césure de stage l'an prochain.  
 
J'aimerais en troisième année candidater au Master Vision et Apprentissage de l'ENS Paris Saclay.
 
J'ai quelques questions :  
 
- Est ce que certains stages sont plus valorisés que d'autres dans le milieu des sciences de données/mathématiques appliquées ? J'ai très peu de visibilité sur ce qui se fait.
 
- Si c'est le cas, selon vous, lesquels m'ouvriraient des portes? Je suis particulièrement intéressé par le fait de travailler à l'étranger par la suite (recherche ou industrie).
 
- Ayant une formation initiale en économie-management, j'ai encore de l'intérêt pour ce domaine, serait-il mal vu ou improductif de faire un stage de recherche en économie ou dans le milieu du conseil en stratégie?
 
Merci pour votre aide    
Excellente soirée

Très bon diplôme le MVA, certains collègues étant passés par là.
 
Tu entends quoi par stages plus valorisés que d’autres ?
 
Il est évident qu’à intitulé de stage égal, une grosse boite tech, par exemple, sera plus valorisée qu’une boîte de presta lambda. Et ça ouvrira probablement des portes.  
 
Il faut toutefois déterminer ce qui t’intéresse en terme de sujet de stage. Si, par exemple, tu sais dès maintenant que tu souhaites faire de la computer vision, c’est peut-être dommage de faire des stages en économie (possible de lier les deux ?).  
 
Chez nous il y a des tests techniques à l’entrée. Et souvent, mais pas toujours, ceux qui s’en sortent le mieux sont ceux qui ont déjà effectué un ou deux stages en CV avec sujet un peu technique.

Suffit d'ajouter un print to PDF puis de L'OCR au milieu du traitement

Blague à part on peut analyser des photos aériennes de champs / forêts / Mer / activités des ports pour prendre des positions sur les commodités en avance de phase. Mais à ma connaissance c'est balbutiant. Je suis curieux aussi de savoir si il y a d'autres use case sérieux qui mêlent les deux. +1 avec le reste du message

Pour la question sur la recherche à l'étranger tu cibles un doctorat après le master Lucius ? C'est souvent nécessaire pour rentrer par la grande porte

Pour le use case que tu mentionnes, ma boîte en a fait.  
J’avais passé des entretiens pour une filiale d’un groupe bancaire. Si ma mémoire est bonne, ils faisaient du CV à partir d’images de véhicules pour proposer l’assurance adaptée.  
 
C’est certain que ça sera plus compliqué à trouver comme sujet, mais ça montrera également une certaine cohérence dans le parcours qui pourra être appréciée.

Merci à tous pour vos réponses !!
 
@-Meringue- Par stages plus valorisés que d'autres, je voulais savoir s'il était mieux vu pour le dossier du master de faire un stage à l'Inria plutôt que chez Criteo ou Ekimetrics par exemple  
Je voulais également savoir si certaines entreprises en particulier avaient la réputation de ne pas donner beaucoup de responsabilités ou de travaux intéressants à leurs stagiaires ; et a contrario s'il y avait une entreprise connue pour l'encadrement et l'apprentissage de leurs  stagiaires?
 
@neoworld Plutôt oui ! Mais je ne sais pas s'il est courant de faire sa thèse à l'étranger en ayant fait son master en France dans le milieu des maths appliquées. En économie, c'est souvent après un stage de recherche dans l'Université qu'on cible, voire une année de recherche prédoctorale, ou encore deux-trois années de travail dans une organisation internationale, qu'on est accepté dans leur programme de doctorat. (notamment pour les grosse facs américaines type MIT, Harvard, Princeton)
 
Au niveau des applications du machine learning en recherche en économie il y a de plus en plus de travaux mobilisant des méthodes machine learning pour faire de l'estimation notamment (cf cette recension https://towardsdatascience.com/use- [...] 73f26043). Mais effectivement c'est peut-être difficile de réaliser précisément un sujet de stage spécial machine learning dans la recherche en économie, dans un cabinet de conseil ou encore une banque.

Je suis justement en train de recruter pour mon équipe, et entre (1) un candidat qui a bifurqué pour avoir une expérience pertinente par rapport au domaine de la boite et (2) un candidat qui a un profil plus cohérent mais pas pertinent, je prends le numéro 1 tous les jours.
Si je fais de la computer vision, je m'en fiche des stages en économie ou en conseil en stratégie
En pratique il y a tellement de gens qui font du ML en ce moment que j'ai pas trop à choisir, la différence se fait surtout dans l'expérience du domaine d'application précis, et surtout les skills de programmation/Devops/etc.
 
En ce qui concerne stage en labo vs stage en entreprise, ben ca dépend juste si tu veux faire une carrière industrielle ou académique

D'accord ça me rassure un peu
Merci pour ton conseil !

est ce que quelqu'un aurait un ouvrage de référence à me donner pour réseau de neurones bayésiens ?
 
merci

T'arrives a recruter facilement? Ici c cho je trouve.

Ici le plus dur c'est de trouver des candidats qui arrivent à passer les entretiens mais on reçoit beaucoup de candidatures pour les ouvertures de postes et on est réputés sur le marché pour bien payer nos ingénieurs (GAFAM)

Ouais j'imagine qu'en GAFAM c'est completement different qu'en startup.  

Je travaille dans une petite boite mais pas non plus une start-up, donc on embauche régulièrement pas de manière exponentielle (genre 1-2 personnes/an dans mon équipe).
Les salaires qu'on propose sont pas niveau GAFAM mais bons quand meme + on est dans un domaine niche qui fait qu'on attire des gens relativement motivés/passionnés.
Du coup on peut se permettre d'etre sélectifs et attendre si on trouve personne "assez bon".

Kaggle + résultats des autres équipes + kdnuggets ?

Bonjour à tous,

Je suis fonctionnaire depuis près de 20 ans (j'ai 43 ans), j'ai fait énormément de statistiques par le passé et j'ai acquis au fil du temps une certaine expertise dans excel et en sql. Néanmoins, je suis assez frustré actuellement car je dois me battre pour faire évoluer les outils que j'ai à disposition. C'est vraiment l'enfer de ce point de vue malgré le fait qu'on a accès à des bases de données riches.

J'ai donc commencer à me lancer dans python avec la distribution anaconda avec comme idée d'essayer une expérience pro dans le privé. J'ai passé une certification google data analyst et d'ici quelques mois je vais passer la certification Power BI. Je fais un peu de python tous les jours en me disant que ça va payer. Je suis requêteur sur BO également. Mais je connais de plus en plus de gens dans le privé qui font QUE du excel en tant que data analyst.

Donc je suis vraiment perdu car je suis coupé du monde de la data on va dire car dans la fonction publique le goût de la data à part nous faire chier avec le RGPD, le niveau est médiocre. Depuis que je suis cadre, j'ai été chargé d'études marché immobilier, chargé de mission RH et contrôleur de gestion sur les aides à destination des personnages âgées et en situation d'handicap.

J'ai l'impression de ne pas bien choisir les points où me concentrer et j'aimerais un avis sur la question. Merci par avance.

Hello,
 
Question qui te sera posée : Quel M2 ou thèse as-tu suivi ?

Master Droit Public Interne, donc aucun rapport avec les stats/analyse
 
J'ai été recruté sur un poste de statisticiens car j'avais une appétence pour les chiffres et qu'il y avait personne d'autre au Ministère de l'Intérieur pour s'en occuper. Je me suis occupé des bases de données de la délinquance et de la main courante...  
 
Du coup, niveau diplôme, c'est mort de chez mort