Reprise du message précédent :
On va M&A bientôt, il se passe quoi dans ces cas la ? Je cash out mes parts et je change de boss ? Ou faut re-passer des entretiens avec les nouveaux boss ?

T'as des parts ou des stock options?
Vous avez été vendu cher?

 
Stock options avec 1 prix d'achat fixé je crois

Gg  
(Même si ça paraît surprenant avec tout ce que tu nous racontais )

Pour la suite, ca dépend complètement, y'a pas de règles
J'ai déjà vu des boîtes qui gardaient tout le monde, d'autres seulement les personnes importantes et leur donnait un rôle de middle manager, et enfin d'autres qui voulaient juste les data ou tuer la concurrence donc qui ont tout fermé (c'était pas arrivé tout de suite mais quand ils se sont vraiment rendu compte de l'état de la technologie ou de la compétence de l'équipe)
Peut être c'est quelque chose qui est dans le contrat de vente ? Tu devrais demander à ton boss

GG je sais pas si au final je perds mon taf
 
En plus jme suis pas fait respecter dans le contrat y'a des randoms dans la boite qui ont plus de parts que moi DONC même si M&A je pourrais pas finir au soleil  
 
Pas surprenant, l'ancienne boite de mon boss était aussi un gros succès et on fait du bon taf (on est VRAIMENT au dessus de la concurrence, je sais pas ce qu'ils branlent sérieusement). Par contre oui c'est un environnement toxique et c'est le zoo de temps en temps  

Au final si tu peux cash out et changer de vie pendant un moment c'est pas si mal.
Moi ca fait longtemps que j'attends ca.    

 
Bah t'as qu'a m'embaucher !!!! From 0 to M&A en 3 ans grace a mes talents d'EXPERT INTELLIGENCE ARTIFICIELLE

Perso on avait l'occasion de vendre la boîte mais le CEO est pas intéressé, il aime trop son taff et a pas besoin d'argent apparemment  

Ah le relou

Je suis allé encore plus loin dans la douille, j'ai lâché 10k€ pour exercer mes  BSPCE mais personne me les a racheté
On va dire que je suis devenu un investisseur

J'ai vu tes autres postes, je suis pas convaincu.    
 

Du coup tes options valent rien vu que tu sais que le CEO va pas vendre de si tot ?
 

Chaud.  
Il y a de l'espoir que ca vaille qqch un jour ?

Oui c'est pas impossible que la boîte se fasse racheter d'ici 2 à 3 ans

https://openai.com/blog/introducing-gpts
 
Un thé récent

Des idées de sites / lectures pour se remettre dans le bain des entretiens tech (avec live exercices orientés DS) ?

Leetcode est très coding pur, pas trop orienté DS

Très orienté DS il y a datascientest

Après lors de mes derniers entretiens les tests techniques c'était des cas business a rendre (format notebook par exemple).

Sinon  je me fais une liste de questions à partir des résultats de "data science interview questions" dans Google

la en l'occurrence c'est 5x1h (oui oui ...) d'entretien tech avec coding live (pas à chaque fois) etc ...
 
Les cas business/tech à la maison, c'est plus facile je trouve, moins sous pression

 
 
Paye combien mdr

Ordre de grandeur : le plus petit nombre avec 3 chiffres en fixe. Pas mal de RSU en plus
(Effectivement, j'aurai pas accepté cette maltraitance sinon)

Tout le monde parle de l'ia ça va être une révolution
Moi j'y crois pas trop quand je vois chat gpt c'est juste un truc qui a compilé ce qu'il a trouvé sur le net
Je vois pas où est la révolution
En tout cas je verrai mais pour l'instant je ne suis pas impressionné

 
Je pense que c'est un bon outil qui permet d'augmenter la productivité sur pas mal de tâches rébarbatives dans le monde de l'entreprise et du software. Mais ChatGPT 3.5 n'est pas non plus une révolution, je te l'accorde

Hello !

Pour un projet perso, j'aimerais essayer de faire un algo qui prend en entrée un pdf (entre 10 et 100 pages) et me fait un résumé court (5-10 lignes).
Principale problématique : données sensibles qui ne peuvent se retrouver sur internet (donc exit chatgpt et ses copains)

Deux méthodes :
* Algo sur étagère qui le fait tout seul (pas trouvé... Si vous avez des noms) mais à voir les résultats car on est sur un domaine/lexique très spécifique
* Transfert learning avec mes fichiers en input (mais c'est le bordel et pas sûr d'avoir assez de documents)

Des noms d'algo? D'autres idées?  

localGPT ?

T'as regardés algo sur huggingface les plus utilisés dans la catégorie NLP/summarization? https://huggingface.co/models?pipel [...] t=trending

Par contre si les textes comportes beaucoup de termes techniques très spécifiques, ça peut donner des résultats moyens, faut essayer. Pour avoir utilisé bart à l'époque, ça marchait pas mal même sans fine tuning.

Pas nécessairement besoin de reentrainer les modèles pour faire du résumé, il devraient savoir le faire.  
 
Par contre un modèle LLM ne pourra pas manger nativement un document de 10 à 100 pages, donc il faudra bricoler un truc qui va découper le document d’origine en morceaux ingérables (2000 mots par exemple), faire résumer morceau par morceau par le LLM, enregistrer les résumés de chaque morceau, concatener tout les résumés et renvoyer le doc résumé entrée, puis faire des boucles jusqu’à obtenir la taille désirée.  
 
Pour le LLM, un modèle 7b quantisé sur 4 bits peut tourner en local, par exemple Mistral7b. Si le résultat n’est pas bon à cause du vocabulaire il faudra peut-être fine-tuner le modèle, mais dans un premier ça vaut le coup d’essayer sans.  
 
Pour la partie découpage et recollage des documents je ne sais pas si il existe des implémentations ou si il faut le faire soi même.

 
J'avais pas vu la taille du texte à résumer, en effet en entrée faudra du texte plus court Mais si le texte est structuré en chapitres/sous-chapitres/paragraphes, etc. Y a peut-être un découpage logique déjà disponible. Ce qui risque de merder c'est la perte d'information dans le résumé d'un résumé d'un résumé?

Effectivement je vais galérer sur la longueur des documents. Et résumé de résumé de résumé ça risque de pas être ok ... Je vais tester et vous dire
Les pdf ne sont bien sûr pas tous de la même structure

localGPT j'vous dit, ça fait ça très bien : https://github.com/PromtEngineer/localGPT

De ce que je comprends localGPT est juste un RAG, il sera capable de répondre à des questions sur les documents partagés mais ne sera pas capable de résumer un document en particulier.

Effectivement localGPT peut faire le boulot (sur le papier)
Par contre j'ai filé des textes en français et il me les résume en anglais, faut que je regarde de plus près

 
Tu peux call l'API deepL ou chatgpt4 et re-traduire en francais

 
Contraintes :  
* rien sur les internets
* pas de GPU
 

Il doit bien avoir des modèles qui font de la traduction et qui tournent en local

Tu peux utiliser un LLM multilingue

Pré prompt demandant de répondre en français et modèle qui parle facilement français (Mistral est généralement pas mal en Français).

J'ai re-score 100% a mes objectifs = full bonus
 
J'ai l'impression de me faire placardiser car j'ai de moins en moins de trucs a faire et on me donne plus de nouveaux projets
 
Mais ptet c'est parcequ'on est au stade ou ce qui compte c'est vendre notre solution plutot que de continuer a dev de nouveaux trucs ?  
 
Je sais pas trop

GG, j'en étais resté à l'étape où tu allais te faire dégager

Salut la team,
 
Vous auriez des supports pour bosser les entretiens en DS (des entretiens pas trop trop tech non plus juste les trucs un peu courant).
 
Je passe mes premiers entretiens en cab.
 
Merci

Je galère avec mes 8gb de RAM sur mon ordi perso  

C'est pour quand les LLM qui s'embarquent facilement (ie sans une grosse ec2 de chez aws ) ?

Je suis tellement placardisé qu'on m'inclut mm plus dans les mails ni dans les trucs à haut impact (genre aider à résiger la sub FDA)
 
C'est un peu la merde mais vu le marché pas trop envie d'être au chomdu  
 
Ma collègue m'a remplacé elle est mm pas spécialement forte mais elle communique bien  

Quand t’es arrivé t’as remplacé ton collègue. Maintenant c’est toi qui es remplacé. C’est le cycle de la vie en entreprise.  
 
   
 
Profites en pour te former aux nouvelles technos, LLM par exemple.

j'ai une question bete

j'entraine mon rn sur des données et j'obtiens des résultats corrects sur le set d'entrainement

puis j'essaie de faire un predict sur des sous échantillons des données d'entrainement et ca donne des erreurs bien supérieures aux résultats juste au dessus

comment c'est possible ? parce que à priori j'applique les mêmes poids aux mêmes inputs?

doit y avoir une feinte qq part mais je capte vraiment pas  

 
welcome dans la problématique n°1 d'un DS et qui apportera un algo naze en prod    
Overfitting à gérer
et/ou
analyse des predictions (avec shap par exemple) pour voir pourquoi il fait de la merde sur les predictions