Reprise du message précédent :
Le but c'est un peu de cash in sur la hype actuelle -- j'ai la chance d'avoir un package tres confortable... dont j'epargne >80% car je m'attends a ce que ca ne dure pas
Je passe egalement sur un role de team lead. Je suis passione par la technique mais je vois en effet que les roles technique interessants disparaissent rapidement

Il y a énormément d’entreprises qui ne travailleront jamais avec de la donnée qui part dans le cloud : tout ce qui est défense, les industries un peu sensibles… D’autres peuvent accepter du cloud sous certaines conditions : fournisseur hors juridiction US, voire labellisé SecNumCloud.  
 

Si, les méthodes de Retrieval Augmented Generation envoient des extraits de documents en clair au LLM dans le prompt.

Les coding interview vous les potassez sur leetcode ou autre?

Leetcode + liste de questions sur python en cherchant sur internet

Ça peut être chaud comme truc donc ça vaut le coût de postuler à des offres qui ne t'intéressent pas juste pour l'entraînement

Perso je déteste ce genre de test...
Je vais potasser un peu
J'ai un entretien pour un poste de Lead DS / Data dans une boîte pas tech.
Résultat : le test tech sera fait par le lead tech (donc plus backend je pense). Je m'attends à tout (et surtout n'importe quoi)  

Tu m'implementes un topsort algo dans le contexte d'un autograd stp  

question car je suis entrain de recruter quelqu'un pour mon équipe et ca fait longtemps que j'ai pas trop suivi l'évolution du marché et des salaires en data science.  
 
C'est quoi un salaire "normal" (c'est à dire ni vraiment très haut ni bas) d'un data scientist à Paris :
- en sortie d'école d'ingé (bonne école mais pas le top du top) ?
- après une thèse dans le domaine ?
 
en fixe brut annuel (donc sans compter bonus et avantages)

100k

Thèse qui a un sens pour ta boite ou OSEF?
 
Si osef, je dirais 45k, si la thèse est particulièrement utile 50k-60k (de toute façon c'est gratos les 2 premières années non? )

Apres mon master ca variait entre 36k (meuf + province) et 55-60k (gros cerveau dans start-up tech / finonce conseil)

On m'avait propose 40k en cogip industrie si je me souviens bien

Donc dans cette fourchette imo

Mais bon CHELOU de vouloir bosser en France en 2ktwentyfour

A ce sujet, une idée pour attirer des candidats en sortie de thèse (ou de post doc) ? Il y a des plateformes spécifiques qu'ils utilisent ?

de mon temps :
https://www.abg.asso.fr/

 
C’est mon cas
Perso j’utilise pas les plateformes dédiées aux docteurs (genre phdtalent), y’a pas grand chose dessus et le peu c’est pour beaucoup des ssii ou postes sans composante recherche
 
Dans les connaissances dans mon cas fait comme tout le monde : linkedin et welcome to the jungle.
Tu peux rajouter les mots clés docteur, phd et recherche, ça aidera

Bonne idée d'ajouter le mot-clé phd, je vais faire ça

Qu'est-ce qui a cassé le game du ML/DL ? C'est devenu maintream ?

Les LLM.  
 
Ça draine la grande majorité des budgets IA en ce moment. Or avec les LLM il n’y a pas de data à nettoyer, pas d’apprentissage (sauf exception), et la mise en œuvre peut se faire en appelant des API déjà mises à disposition ou en montant en no code sa propre API sur un infra cloud.  
 
Bref, c’est de l’IA sans data science, sans ML, et même souvent sans Python.
 
Et en plus il y a une tetrachiée de DS sur le marché maintenant.

Les 'vieux' DS ont encore deux cartouches :
* Expertise dans un domaine (traitement image, sons,  time séries, etc)
* Avoir changé d'entreprise fréquemment et apporter une vision 'out of the box' dans une boîte qui a du mal à regarder plus loin que le bout de son nez

Ou :
* Passer DE
* Valoriser des mises en prod rapide et efficace (aller plus loin que le notebook )

Mais oui, les juniors ont pas mal de soucis à se faire.
Dans ma nouvelle boîte, 3/4 des recrues ont +8 ans exp et sortent de licornes (ou presque) suite à PSE...

Tu as trouvé à Lyon finalement ?

Yes  

Avec salaire correct

 
Ca sert pas a grand chose sauf trucs niches, trucs niches ya pas nn plus 36 millions de demande

Merci pour vos retours
 
Il pourrait pas y avoir un regain pour des solutions on-prem pour des questions de souveraineté voire réglementaires à terme ? Je sais que les LLM proprio sont bien plus performants que les modèles open source mais on trouve des solutions libres exploitables en prod ? Bon, on sort du ML/DL strict mais si vous avez un avis je suis preneur...

Les solutions on-prem c'est recherché uniquement pour des questions de confidentialité des données imho donc dans quelques industries (santé, défense).

 
La france est tellement a la ramasse je pense pas, ca resterait tres niche de toute facon (5 postes ? 10 postes ?)

Content pour toi

Il y a de la demande pour des LLM open, d’autant que les perfs de Llama v3 8b ou Nemp12B commencent à être correctes pour certains usages (il faut pas chercher un chatGPT ultra puissant évidemment).  
 
Plusieurs façon de les utiliser :  
-utiliser une API managée par une autre boite (facile),  
-déployer le LLM sur des instances cloud (plus dur, mais on peut choisir son cloud et notamment prendre un cloud souverain, ou SecNulCloud),  
-ou faire du on premises (le plus dur)
 
Il y a des la demande pour du on prem, mais généralement ce ne sont pas les entreprises les plus innovantes qui exigent ça, et c’est complexe à mettre en place, il y a de bonne chance que ça n’aboutisse pas, enfin il faut disposer des machines déjà reliés à l’intranet. Finalement on voit beaucoup d’entreprises qui migrent vers du cloud sécurisé.  
 
Mais dans tous les cas les LLM c’est pas de la data science, c’est de l’intégration, du dev Python, mais y’a pas de recherche de features, d’apprentissage avec différents types de modèles, de stats, etc…
 
On va voir en 2025 si les LLM engloutissent encore tous les budgets, ou si les coûts et complexités de passage à l’échelle vont faire revenir des projets plus data-science sur le devant de la scène.  

 
C’est pas vrai, à moins que tu travailles exclusivement avec des apis. Si tu conçois tes propres llms, la recherche de features et les optimisations sont cruciales pour apporter une plus-value sur le marché. Les questions de multimodalités, function calling, agents ou gestion/optimisation de longueur de context peuvent occuper des équipes entières.

Nous ce qu'on essaie de faire c'est un fundation model pour notre niche en medical
 
Honnetement je teste chatgpt il s'en sort tres bien donc jsp la + value
 
Osef un peu j'encaisse le cash tant que ca dure

+1, on profite du grift tant que ca marche.

Vous auriez tort de vous priver

Y’a pas que les API, y’a les modèles open weights.  
 
Concrètement, en dehors des GAFAM, des Chinois, et de Mistral qui va probablement couler, personne ne crée ses propres modèles, ça n’a pas d’intérêt, sauf niche. J’ai croisé une petite boîte qui faisait ses propres modèles, ils faisaient moins bien que les llama et au final c’est ce qu’ils industrialisaient. Le gros des emplois c’est de l’implémentation de modèles pré-entraînés, à la limite du fine-tuning, et encore c’est la plupart du temps moins puissant que d’autres technos.

Un llama fine tuné ca serait pas plus simple ?

Pk Mistral ca va couler ?
 
Ici on fait nos propres modeles de Speech-to-text.

Je comprends pas le modèle économique de Mistral. Quand je les ai contactés pour avoir un devis dans le but d’utiliser leurs modèles un peu plus musclés, les tarifs étaient délirants et c’était juste pour avoir le droit d’héberger leur modèle sur nos infrastructures. Je vois pas l’intérêt par rapport à l’usage d’un llama ou qwen.  
 
Le modèle économique des grands acteurs pour le moment ce n’est pas de gagner de l’argent sur le modèle de langage (sauf peut-être openAI), c’est de se placer pour la suite : Meta prépare sans doute l’arrivée de pub dans les modèles, Google aussi + sans doute le remplacement de Google Search, mais Mistral là-dedans je vois pas leur différentiant.  

Souveraineté européenne en format SaaS j'imagine

Mais j'avoue que sur du self hosted bof.

 
On a besoin de faire de la vision, mais oui on va prendre un truc tout fait et lui balancer des millions de data points et on verra

La souveraineté européenne c’est ce que j’imaginais au début mais vu l’entrée au capital de nombreuses entreprises américaines ça me parait pas être la voie choisie. Par ailleurs, est-ce qu’il y a un avenir dans le fait de fournir un LLM européen souverain (VS prendre un LLM US ou chinois hosté sur cloud européen type Scaleway) ?

 
Il y a de plus en plus de "foundation models" qui excellent sur une variété de taches. L'exemple typique c'est les LLMs/chatgpt qui surpassent un tas de modèles customs qui avaient été développés mais c'est aussi vrai dans d'autres domaines. Par exemple il y a SAM en vision, sans compter les modèles multi modalités qui se développent de plus en plus. Ajoute à ça le software engineering qui est en pleine crise avec les llms qui codent de mieux en mieux + la floppé de formation DS/ML/etc qui a pop ces dernières années -> game cassé.
 
Il y a encore des domaines niches comme les autres l'ont dit où on peut encore faire du vrai ML et où on a toujours besoin d'entrainer nos propres modèles mais franchement dur d'imaginer dans quelques années comment le taf va être. Mais même de manière plus général le software engineering est à minimum en bouleversement profond.

et du coup vous pensez rebondir comment dans 2-5 ans?

 
Millionnaire crypto ou suicide

Ok

J'ai seulement 200€ eth, va falloir que je pense à autre chose  

Coach de trail