Reprise du message précédent :
Super merci si je trouve pas d'ici quelques jours je veux bien (un peu la flemme d'aller jusqu'au 16eme la )
 
Le master c'est le m2 empirical finance (recherche) à Paris 1. Pas de stats ou de truc compliqué juste des séries temps des trucs comme ça. Pour ce projet par exemple je dois reproduire les tests du papier sur python.  
 
Je suis déjà admis en école de co top 3 ou top 5 selon la formation que je prends (pge ou ms) mais je vais me refaire un master recherche plus poussé en économetrie aussi l'année pro ! Si t'as des idées je prends !

Toute ma promo fais le MS de l'ENSAE, on remplit la moitié des place dispo, c'est sûrement là bas que j'irai

ENSAE = 100% R qui est clairement une techno en perte de vitesse...
 
Je cherche actuellement une formation continue pour monter un plan de formation pour nos équipes, j'ai exclu l'ENSAE à cause de ça.

 
MS ENSAE DATA SCIENCE ?
Tu es au 272 toi c'est ca ?
Faut avoir combien de moyenne à peu près en M2 pour être accepté dans ce style de formation ?

 
R en perte de vitesse, pas tant que ca ....
C'est sur qu'aujourd'hui python devient indispensable mais R reste un soft sérieux.
Enfin j'espère parce que toute ma formation est sur R/SAS    

De même R, SAS, un peu de Stata.
Certains cours se foutent même du langage utilisé.

En soi je ne vois pas en quoi ça pose tant un souci à partir du moment où les concepts sont assimilés.

Y a un cours de Python pour le data scientist comême. Après je sais pas si les autres cours sont en R ou en python.

On a des gens en MS Data Science, MS eco et MS Finance mais c'est dans le MS Finance qu'on remplit la moitié de la promo.

Ouai je suis au 272 et grosso modo tout le monde rentre en MS même sans être bon mais j'ai pas les moyennes exactes

Perso j'essaye d'être dans le top de ma promo pour faire le M2 data science de Paris Saclay à la place de ma 3A d'école

 
bonjour  
 
j'ai fait une de ces formations sur 25 jours
effectivement c'est un peu "sparse" au niveau contenu
on survole  beaucoup de chose, malgré le temps passé et les projets à faire.
 
de plus si on compare a ce qu'on apprend avec les kaggles on voit quand même que c'est un peu décorréler de la réalité du domaine comme beaucoup de ressources pédagogiques ceci dis.
Il reste le plus du papier de la formation de l'école

Au risque de passer pour un mono-manique de R, je remets les graphes de la dernière fois :


Je suis pas un expert en stat, mais la courbe monte quand même pas trop mal pour une perte de vitesse

R en croissance mais pas autant que Python, donc en absolu ça monte mais en proportion ça baisse, et comme les 2 sont directement en concurrence...
 
De toutes manières les 2 sont indispensables sur un CV data scientist, ensuite selon les postes on peut utiliser l'un ou l'autre, dans le fond ça ne change pas grand chose
 

*
 
Yo, dans notre kojip j'en ai deux qui se sont fait financer deux formations pour data science  
Premier Ensae formation courte et second Paristech en formation continue mais sur 6 mois
Financement sans problèmes par le groupe

C'est où ta conf?

J'etais à gtc, effectivement computer vision et deep learning, speech recognition avec cuda 9.0 tu fais les $$

Je me fais juste un montant normal de £.

[1] 2305460       8
 

   user  system elapsed  
  1.793   0.870   2.678  
 
 
 

   user  system elapsed  
  2.187   0.017   2.224  
 
 
100 lignes avec une boucle for aussi long que sur 2300000 lignes. My god.  

 
Ya vraiment une plus value à faire un MS après le 272 ?

Clairement ouai, tous les prof nous recommandent d'en faire un

Vu que je sais que ça en intéresse pas mal ici, vu sur une offre d'emploi de data scientist:
 
"vous avez validé avec succès des formations/Moocs exigeants (Fun, Edx, MiTx…) autour des thématiques de la classification, du clustering et de l’analyse prédictive."
 
Donc a priori les MOOC ça sert

Ah je l'ai vu passer celle là. Je sais plus si j'ai envoyé un CV ou pas

J'y étais aussi et je confirme totalement ses dires

Pour la conf, regarde les dates des 3 plus grosses en vision

Kaggle vient de publier les résultats d'une enquête réalisée auprès de 16000 personnes (dont un peu plus de 400 personnes en France) :
https://www.kaggle.com/surveys/2017

EDIT : Merci  

 
 
Le premier c'est tester des boites noires, il y assez peu d'hyper paramètres c'est le concept de ces algos.  
Donc ça va juste être un beau rapport de benchmark, c'est assez limité je trouve.
 
Le deuxième est beaucoup plus intéressant sur le papier de mon point de vue.  
Apres la plupart des ces algos sont deja implémentés donc je ne sais pas ce qu'ils attendent mais le sujet est intéressant

J'ai eu la même analyse, la première offre a l'air très intéressante (sujet à la pointe) mais très qualitative donc pas forcément valorisante pour la suite...  
 
La seconde offre a l'air plus quantitative et je pense apprendre plus avec, cependant j'ai peur d'être en PLS niveau maths/algo haha

La seconde me semble nettement plus intéressante et facile à valoriser.
 
L'auto ML, c'est du bullshit en barre de mon point de vue. Produire une analyse des outils du "marché" me semble à la fois ni très intéressant ni très enrichissant en termes de connaissances/compétences.

Si mon école est OK, je pars sur la seconde offre. Merci pour vos retours

L'auto ML on commence à peine à voir des trucs intéressants.
Je serais pas aussi catégorique de mon côté. Je pense vraiment que ça peut décoller à moyen terme.

J'ai regardé les résultats des librairies sur kaggle. Sur certaines compétitions tu obtiens de très bons scores sans même avoir regardé tes données...

Travailler sur l'auto-ML, c'est essayer de te mettre au chômage
Enfin plus sérieusement, je pense que c'est pas très intéressant ni formateur comme tâche (lancer des algos et attendre les résultats sans rien faire ou comprendre)

Oui sur ce dernier point tu as raison, ça n'a pas l'air très intéressant en effet

 
 
"As the complexity of these tasks is often beyond non-ML-experts, the rapid growth of machine learning applications has created a demand for off-the-shelf machine learning methods that can be used easily and without expert knowledge. We call the resulting research area that targets progressive automation of machine learning AutoML."
 
Effectivement, pas envie de bosser sur quelque chose qui dévaluerait mes études haha
 
Bon, va pour l'offre 2 !  

Sur Kaggle, oui. Mais sur Kaggle, les données sont présélectionnés et plutôt propres. Rien à voir avec de la vraie donnée métier, tu peux me croire...

Oui sur la phase de préparation/ nettoyage tu peux pas te passer d'expérience.
Mais une fois que c'est préparé on finira bien par avoir des trucs corrects en ML à mon avis

Du coup vous considérez ce stage comme un bon stage pouvant être un vrai + sur le dossier pour un futur M2 Data Science/ sur le CV pour mon stage de fin d'études ou comme un stage lambda ?  
 
J'ai aucune référence dans ce milieu donc je sais pas trop où je me situe par rapport aux autres étudiants en M1

Perso je prendrais le second sujet et de loin. Ça te fera voir une variété d'algos de réduction de dimension, linéaires ou non. La réduction de dimension est un problème à la fois très intéressant imho et très central en ML.

Cool au moins tout le monde est d'accord haha

Quelqu'un à déjà utiliser la librairie packrat en R ?
Je cherche l'équivalent d'un py2exe pour R.

Étude très intéressante, merci. Vraiment bien foutue, tu peux affiner selon tes propres critères.

Pb réglé, merci à ceux qui m'ont aidés

Non mais dis donc, tu crois vraiment que SQL à sa place dans un topic data science ?!

Sinon, blague à part je suis sur des exercices SQL en ce moment, c'est le genre de truc sur lequel je galère aussi.
Mais si tu peux m'envoyer les tables (mp) je jetterai un coup d'œil, ça me fera de l'entrainement et je pourrai peut-être t'aider

Justement je compte supprimer le message pour pas (trop) polluer le topic haha
 
Et SQL c'est un prérequis pour pas mal de stages/emplois en DS donc ça va je suis pas trop HS    
 
Je t'envoie ça par MP