Reprise du message précédent :

 
Pas forcément un warning, mais il faudra évoquer ce point en entretien.  
 
La modélisation ça peut prendre beaucoup de temps, même quand on a des données bien propres.  
Pour un test dans une boîte, où il fallait sortir un modèle de ML + code clean + communication avec le modèle + présentation des résultats, je n’avais vraiment pas chômé en 8 jours avec un job en parallèle.  
 
Dans ma boîte actuelle on fait du deep learning (majoritairement traitement d’image), la modélisation via code ça serait un peu long pour un test technique. Et ça supposerait que la personne ait accès à des ressources, pas top à mon sens.

Dans mon job précédent, il y a 2 ans, on s'est justement intéressé à corrélation entre les labels. Il y a pas mal d'article sur le sujet et ce n'est difficile de mettre en place. Bon... après il y a toujours nested logit (modèles de stats classiques, aka regression linéaire et cie).
 
D'ailleurs j'ai remarqué que les DS en dehors de NLP et CV ont tendance de sortir des gros basoucas DL pour des choses simples. Juste parce qu'ils ne connaissent pas les modèles qui existaient bien avant le boum DS. Pour les séries temporelles ils ne pense qu'à ARIMA    

T'as trouvé une méthode qui sortait du lot ?
 
Mes labels sont assez connectés entre eux et en prod y'a franchement intérêt à ce que le modèle se trompe de peu (mauvaise classe mais sémantiquement très proche de la vraie) plutôt que de beaucoup vu qu'on est sur du médical

 
Ça dépend probablement du cursus, bagage, etc. des personnes.  
Avec un cursus maths appli stats, des modèles de séries temporelles j’en ai mangé. Pareil pour le NLP, beaucoup plus de modèles stats classiques que du bon gros DL. Si en plus c’est moins complexe à maintenir, c’est parfait.

Je comprends pas ton message, pour moi les modèles ARIMA c'est justement le truc de base qui existait avant la DS

ARMA ce sont les années 70, ARIMA un peu plus tard. Tu penses que pendant 50 ans les modèles pour les séries temporelles sont restés les mêmes?   Il y a eu tellement des modèles depuis! Et surtout entre 1990 et 2016. Avant de passer à des choses très complexes dont le temps d'estimation est moyen/grand (genre LSTM, Random Forest), il faut tester des modèles des stats "classiques" et ne pas se limiter à ARIMA.

Random forest c'est quasi instant non ?

Si tu fais 1 model avec pas beaucoup des donnés. Dans le cas contraire c’est sacrement plus lent que la plupart des modèles classiques. Et en plus c’est un black box.

Beaucoup ou pas beaucoup de données ça change rien au temps d'inférence  
 
C'est un arbre en général avec scikit learn t'as accès au poids de chaque features,  on fait bien pire comme black  box

 
Précision : random forests a été proposé par Leo Breiman en 2001.
Tu voulais peut être parler de Tree  Boosting (XGBoost) qui lui date de 2016 ?

drap'

https://www.commentcamarche.net/app [...] en-vrille/
 
Chatgpt + internet
 
Finito 99% des jobs

Bonjour
 
Profil
Âge:  26 ans
Diplôme(s): Ecole d'ingé rang B+ et M2 d'une université étrangère no name en stats  
Expertise métier:  Data Scientist / ML Engineer
Années d'alternance:  0
Durées des stages:  1 an mis bout à bout
Années d'expériences:  3 ans
Langues parlées (hors français):  Anglais
Management d'équipe ?:  Non
 
Situation actuelle
Expertise métier:  Data Scientist / ML Engineer
Secteur de l'entreprise:  Banque
Zone géographique:  Paris
Ancienneté dans la boite actuelle:  3
Salaire fixe (K brut annuel):  54k
Variable:  4k
Autres bonus:  primes d'intéressement 4-5k  
Autres avantages en nature:  RAS
Taille de l'entreprise:  grande entreprise
Horaires: forfait jour mais généralement 9h30-18h. 3j de TT/semaine
Astreintes ?: Non
Nombre de jours de congés: 30j
Déplacements ?: Non
Management d'équipe ?: Non
 
 
Proposition
Expertise métier:  Data Scientist
Secteur de l'entreprise:  Industrie
Zone géographique:  Lyon
Salaire fixe (K brut annuel):  63k
Variable:  6.3k
Autres bonus:  primes d'intéressement ~5k
Autres avantages en nature:  RAS
Taille de l'entreprise:  grande entreprise
Horaires: je sais pas mais dans la plaquette que j'ai reçu c'est marqué 7h36/jour ... probablement pour les ouvriers à l'usine par contre. 4j de TT/semaine
Astreintes ?: Non
Nombre de jours de congés: 30j
Déplacements ?: Non
Management d'équipe ?: Non
 
 
 
J'ai dis à mon manager qu'une des raisons qui me poussait à partir c'est de changer de secteur d'activité et un refocus vers la data science plutôt que la data engineering que je trouve peu intéressant.  
Il m'a dit qu'il voulait me mettre sur un nouveau gros projet, sans garantie que ça corresponde à ce que je cherche.
Je lui ai dit que la proposition que j'ai eu semble correspondre à ce que je veux faire professionnellement, et que le package me semble excellent, surtout hors Paris.
Lui me rétorque que des offres comme ça j'en trouverai partout et me suggère de faire le test avec le nouveau projet et d'aviser ensuite. Et il me fait une contre-offre à 68k fixe + 7k variable.
 
Vous en pensez quoi ? Est-ce que effectivement l'offre que j'ai eu pour Lyon est standard (dans le sens où je pourrais en trouver des comme ça facilement) ?

Hors Paris non c'est plutôt très bien imho.
 
Je sais qu'ici le standard c'est 100k et 1M en stock options mais dans la vraie vie, ma boite avait fait appel à une boite externe pour un benchmark, les salaires médians qui sortaient étaient en gros junior 45k, confirmé 55k, senior 65k, lead 75k pour donner une idée.

T'es clairement au top pour Lyon.
J'avais moins que ça en package en étant à lyon. Et je suis passé en full TT depuis Lyon (boîte parisienne) pour gagner plus ...
D'ailleurs, pour ma culture ça m'intéresse de savoir de quel boîte il s'agit (MP si tu préfères)

Trouvable peut-être mais facilement ça m'étonnerait fort

Plus de 80K à 26 ans ? J'ai juste envie de me pendre (je n'avais qu'à travailler à l'école je sais)...

Par contre, j'imagine que les salaires ne sont pas exponentiels car à 64 ans ça ferait terminer à presque 3M/an

Je lisais un rapport sur l'état du marché du recrutement data.
Ça indique bien qu'il y a beaucoup de monde sur des postes de Data Scientist et que Data Engineer ça a bien flambé (et que ça devrait se calmer).
 
Les prochains trucs à la mode:
- analytics engineer (sorte de data analyst en plus technique, quasi data engineer)
- MLops (compétences hybrides data science / devops)
 
Sinon je vois pas mal d'offres de Machine Learning Engineer.
A la base je pensais que c'était seulement l'aspect mise en prod de modèles mais souvent il parlent de tout faire (recceuil des données, entrainement...)
Du coup je pige pas la diff avec Data Scientist

Data scientist t'as l'aspect business / scientifique tranqformer les données ppur répondre à des KPI etc pour les C levels

 
Chez nous les ML engineers sont en charge du framework de deep learning interne, outils de packaging des algos, etc. Très orienté développement, autour du ML.
 
Les DS sont utilisateurs des outils développés afin de développer les algos (ça n’empêche pas de participer au développement de nouvelles features, mais disons qu’ils ne mettre pas trop de nez dans des problématiques d’architecture de code ou autre truc un peu plus orienté SW engineer   ).
 
La partie déploiement étant gérée par une équipe dédiée.

Vous voulez dire que les MLE sont plus orientés tech pure et moins connaissance métier?

 
Ouaip
 
Ma fiche de poste c'est data scientist mais dans les faits je fais 90% de deep learning et 10% de software engineering (resoudre bug / update algorithme), je fais jamais de meetings etc  
 
Mon autre collegue data scientist c'est l'inverse il fait quasi 0 code mais il est tjrs entrain de discuter avec les C-levels / partenaires / clients et est tjrs en train de reflechir a comment utiliser nos donnees pour resoudre X pb / quelles donnees scrapper etc

 
Yes.  
Ça n’empêche pas les DS de coder, mais leur objectif premier c’est de produire des modèles pour les clients.  
À la base je suis DS, in fine j’ai codé toutes nos dernières archis et un bon nombre de features pour l’entraînement sans avoir entraîné un modèle pour les clients depuis longtemps.  

Très clair, merci

Salut est-ce que quelqu’un travail sur les modèles 3D et/ou la réalité augmentée? Si oui, est-ce qu’il y a des blogues, ressources, journaux, conf qui ne sont consacré qu’à cela? J’essaye de comprendre quels sont les avancements dans ces sujets là et la maturités des solutions. On nous propose un use case, mais difficile à comprendre si ça vend du rêve ou c’est déjà la pratique courante.

CNBC: Mark Zuckerberg announces Meta’s new large language model as A.I. race heats up
 
Pour ceux qui veulent plus de détails :
https://research.facebook.com/publi [...] ge-models/
 
Ca à l'air d'avoir été fait par presque que des Français. A la suite de ça me suis fait la remarque, j'ai le sentiment que nous Français, on sous-estime grandement notre présence dans l'IA, du moins la recherche en deep learning.
Les poles de recherche des Gafam (surtout meta) sont remplis de Français, et je parle proportionnellement par rapport en nombre de population par pays. Hugging Face, acteur incontournable pareil, créé par des Français.
Encore une fois, dommage que l'on soit à la traine niveau investissements, car notre machine scolaire forme les bons cerveaux mais ils ne sont pas (pleinement) mis au profit du pays / notre économie.

 
Oulala, c'est bien mal connaître le milieux...
Metacrotte est rempli de français à cause de le Cun et parce qu'ils ont ouverts des bureaux à Paris, si mes souvenirs sont bons à la grande époque du deep learning vers 2015 ou 2016, qui devait être une réponse à deepmind mais avec le recul maintenant fait bien rigoler...
Pour le reste, je pense que tu peux commencer à faire des analyses pour confirmer ou infirmer ton sentiment. Peut etre regarde le nombre de français chez deepmind ou openAI déjà, je pense que tu vas vite déchanter.
HuggingFace dans le recherche?   C'est une platfome API, qui plus est clairement pas la seule, cf. replicate.com
 
 
 
 
 
 

 
« à la grande époque du deep learning vers 2015 ou 2016 »  
 
Attribuer à une personne la présence de français chez Meta est très réducteur. Le fait d’ouvrir des bureaux à Paris a sûrement joué, sauf qu’ils ont évidemment aussi embauchés des gens venant de partout.
Je connais aucun Français chez open ai, chez deepmind / google ai il y en pas mal.
 
Et oui hugging face est présent dans la recherche. Ils produisent régulièrement des papiers, et ont même dans leur staff certains chercheur présents et reconnus. Jette un œil à BLOOM par exemple.
 
Tu devrais prendre la peine de te renseigner avant de lancer des affirmations aussi catégoriques.

Jviens de prendre 10% d'augment random 7500 -> 8500
 
Jpense ils font ca pour court circuiter mon eventuelle negociation, d'un autre cotre je branle rien en ce moment et vu l'inflation on va pas se plaindre
 
Si la cogip fait une perf exceptionnelle je tenterais ma chance en fin d'annee pour passer a 10k / avoir plus de parts (2500 bscpscerpepe en ce moment mais jpense jpeux avoir genre 4k)

GG!
Quel type de boite? Scale-up?
 
De mon côté c'est pas ouf du tout côté recrutement. Je pourrais taper max 65k€ jpense (7 ans d'XP en data science).

Start-up oue
 
Je suis a singapour
 
C'est pas un salaire dingue vu le domaine et l'inflation mais d'un autre cote je suis 100% teletravail et c'est assez peinard en ce moment

 
Tu cherches dans un domaine/compétence particulier?

 
Ici je vise soit DS (en cdi) soit pisseur de code python (plutôt en freelance si possible)
Le marché FR en data est pas ouf, la plupart des touches que j'ai c'est par cooptation et les salaires sont pas dingues.

Pour le moment j'évite:
- gaming (pas passionné)
- gambling (mais ce verrou finira ptetre par sauter à la fin du chômage )
- marketing
- conseil (ça c'est un peu embêtant ça doit être 50% des postes que je vois passer)

 
Sympa comme augmentation surprise!
C'est en euros ou en monnaie locale? Brut ou net?
Les parts c'est bien, mais le nombre dit pas grand chose, ce qui compte c'est à combien tu les as, et quelle est la valorisation actuelle.

Sinon des nouvelles de mon recrutement: je confirme que j'ai l'embarras du choix devant les candidatures (j'en suis à 200 là).
Je peux meme me permettre de filtrer avec des critères vénères (Top école/PhD, publications, expérience en deep learning dans mon domaine d'application, Python + C++, etc.)
Pas vraiment besoin d'aller chercher des remotes, je pense que le marché pour eux (et les juniors) est pas facile facile

 
À ma dernière évaluation de perfs j'ai demandé si y'avait moyen d'être augmenté et il m'a dit d'aller me enculer. J'ai reçu le mail random aujourd'hui, j'imagine que ça leur évite de me payer plus (le marché pour mon profil ça doit être 10k à des cacahuètes près), après c'est toujours sympa d'avoir une augmente en ces temps de récession + éclatement bulle tech avec masse layoffs + VC très frileux (je suis en start-up)
 
Mon package en singapore dollars : (8250 + 75) * 12 + 8250 + [0, 11 000] + une assurance santé décente  
 
Les impôts sont assez faibles, depuis que je suis à SG j'ai dû payer 2k donc c'est quasi du net
 
Pour les parts jsp il m'a dit que je pourrais cashout environ 150k mais j'ai pas vérifié ni rien
 
C'est tout, j'ai un nombre ridicule de congés genre 12 jours mais vu que c'est 100% remote et que personne surveille c'est "ok"

salut j'aimerai me reorienter vers data science/machine learning. J'ai des formations proposées en interne mais avec nombre de places limitées et dont la sélection se fait notamment sur la maitrise de prérequis en maths
 
j'ai de l'xp en business intelligence plutot, et j'avais des études informatique avec sa part de maths, mais ça fait 15 ans et jme rappelle plus de rien j'aimerais bien réviser
 
vous avez des ressources pour se remettre au niveau et savoir sur quoi focus précisemment ? Vous pensez que ça se rattrape facile ou que c'est quand même costaud en maths ?
 
si je comprends bien c'est algèbre linéaire et stats putin j'ai peur d'être trop rouillé de devoir remonter à 2+2 et de pas être sélectionné à la formation parceque j'ai aucune formule en tête

 
D'un côté je suis content pour toi, d'un autre ça me rassure pas pour ma fin de thèse dans un an.
Tes profils PhD ils sortent de bonnes univ / labos ? Et notoriété des confs ?
 

 

Content de voir que tout se passe bien pour toi ! Je me rappelle que tu tenais pas les mêmes propos quand tu étais débarqué la bas.
+ Si jamais t'es pépouze en ce moment, hésites pas à bosser sur des side project open source / publications, ça pourra probablement te servir pour la suite

Non mais c'est vraisemblablement transitoire; avec un PhD, tu te démarqueras déjà de pas mal de juniors.  
Pour les écoles/universités, j'y prete pas forcément plus attention que ca pour etre honnete (je suis à l'étranger ou l'élitisme se démarque surtout par le doctorat). Bon, il se trouve que j'ai un candidat ingé A + MVA, dans ces cas-là, ca me donne quand meme un a priori positif.
 
C'est un peu pareil pour les publis et les conf; ca peut me rassurer mais j'en fais pas des critères quantitatifs obligatoires (enfin un PhD qui a quasiment pas de publi, c'est quand meme un peu bizarre donc je lui poserai forcément la question en entretien).
Par exemple j'ai des candidats avec des papiers NeurIPS qui passent meme pas le filtre du CV parce que je suis dans un domaine d'application de niche (je fais pas de la théorie, ni de la Data Science en général).
 
Je pense que les éléments démarquants c'est surtout (1) les stages et expériences en entreprise, (2) les compétences en software engineering (c'est un des éléments que je cherche quand je parcours le CV, et par exemple je jette toujours un coup d'oeil aux Githubs quand il y en a)
 
Un truc un peu con aussi c'est que les candidats qui ont candidaté en premier ont plus de chances car ils ont déjà commencé le processus. Là j'ai déjà une short-list, donc pour que je rajoute un candidat aujourd'hui, il faut vraiment qu'il soit vraiment prometteur.

Yes la situation est transitoire, néanmoins on sait pas trop combien de temps ça durera.
En attendant le marché continu d'être inondé de candidats.
Et justement le fait que des gars ayant publié (en first auteur ?) à du NIPS candidatent à une offre non alignée à leur profil fait peur.
 
C'est top que tu regarde les profils Github !
Je suis moi même convaincu que c'est un excellent moyen d'évaluer un candidat. En admettant qu'il ai pas pompé du code, ça permet d'évaluer ses compétences, ses idées / son originalités, et toute les compétences software à côté (qualité de code, tests, CI CD...).
Par contre ça prends du temps à aller regarder c'est sur, malheureusement trop peu de recruteurs / managers prennent la peine d'aller voir.