Reprise du message précédent :
Ah j’avais pas pensé au bruit qui pourrait faire sortir d’un minimum local
 
Et en quoi ça peut dépendre de la loss function ?  
 
Du coup est-ce que ça veut dire que dans les papers les auteurs ont fait varier le batch_size et ils donnent la valeur optimale ? En lisant les papiers je me rendais pas compte que c’était un paramètre à ajuster, je pensais naïvement que il valait mieux le mettre aussi gros que possible pour maximiser l’utilisation de la mémoire gpu.

je voulais juste dire qu'il n'y avait pas de règle universelle pour le batch size puisque plus la fonction est regulière, plus on pourrait se permettre de prendre des batch size grand à priori
 
https://arxiv.org/pdf/1606.02228.pdf
regarde la figure 8
 
après il faut relativiser tout ça, je pense pas que les chercheurs passent des journées à chercher quel batch size choisir, ils doivent faire quelques essais mais on doit souvent retomber sur les mêmes ordres de grandeurs

A noter également que le Learning rate optimal tend à changer dans la même direction que le batch size pour les raisons citées précédemment

Yes, en général un batch size ou un learning rate plus grands font converger plus vite, mais quand l'objectif est difficile à minimiser faire plus de petits ajustements donne un meilleur résultat

Hi,
 
Je suis actuaire de formation. Je bosse dans le conseil en actuariat depuis environ 1 an et ai utilisé des algos de ML durant mon stage de fin d'études ( XGBoost, RF, SVM sous Python avec pas mal d'analyses stats sous R que je maîtrise mieux). Au début j'ai fait des missions sympas sous R et de la R&D pour vendre du ML à des clients (ce qui en pratique n'était pas du ML, mais il me semble que c'est parfois assez confus pour les clients et qu'ils peuvent parfois y voir une solution à tout sans y comprendre grand chose). Mais récemment mon job ressemble de plus en plus à pondre du ppt et des maquettes excel dans des délais absurdes parce que le client a eu une lumineuse idée en fin de mission...  
 
Par conséquent, je commence à avoir envie de bouger et j'avoue que je trouve pas mal de domaines actuariels chiants, et que j'aime assez coder (notamment sous R). Cela dit, je suis conscient que je ne rivalise pas avec un ingé info d'un point de vue code. Dans l'idéal ce que je recherche ce serait un job "transitoire" actuaire/ "data scientist" en assurance, gardant si possible la composante actuarielle (de façon à pouvoir me valoriser fasse à un ingé, tout en développant mes compétences data sur le poste, du moins c'est l'idée que j'ai en tête). Qu'en pensez vous ?
Avez vous vu passer ce genre d'offres?
Je peux m'attendre à quoi en terme de salaires et horaires ?
Si je postule en DS j'ai un peu peur de l'inconnu et d'être moins compétent qu'un ingé pur... J'ai également peur des salaires (en gros j'aimerais bien viser un 50k fixe voire un peu plus).
 
Merci pour vos avis
Au plaisir de discuter .

 
 
chez AXA + allianz il y avait quelques offres (~5) mix actuariat/data science
 
 

 
difficile de faire des généralités... tout dépends si tu bosses en conseil/une grosse boite/une start up et le rôle de ton travail. mais j'aurai plutôt dit que les deux milieux sont équivalents en charges de travail.
 
 

 
postules tu verras, mais à mon avis pour avoir 50K € en data science ca va être dur, tu as peu d'expérience + en concurrence avec des ingé.
essaie de trouver un job en actuariat avec lequel tu peux jouer avec les méthodes de machine learning, et de te former par toi même sur la partie informatique du métier

En fait ça se rapproche plus d'un job d'analyste non ?

oui c'est ca. avec des connaissances en assurance

Ça doit se trouver. Perso je suis plus analyste que data scientist.
C'est à dire que je ne sais pas forcément implémenter moi même les algos trop complexes (même si je l'ai déjà fait) par contre je sais comment fonctionnent les principales familles d'algos de ML je peux faire tourner des librairies sans trop me planter. Et j'aime plutôt le travail derrière d'analyse et restitution.

On est plusieurs comme ça dans ma boîte ça existe

Attention les postes de data analyst  est plus des queries SQL et de la machine à clics tableau

https://www.quantamagazine.org/to-b [...] -20180515/
 
https://www.reddit.com/r/MachineLea [...] to_causal/
 
http://www.inference.vc/untitled/
 
Vous en pensez quoi ?

 
Merci pour ta réponse, même si ce n'est évidement pas ce que j'avais envie d'entendre .
J'ai pas forcément envie de quitter un poste pour gagner moins tout en travaillant autant sinon plus et dans un secteur plus concurrentiel .
D'autant plus que je ne vois pas l'intérêt de quitter le conseil pour travailler autant en compagnie, sans les augment' de salaire qui vont avec...  
Je vais peut être regarder du coup si y a pas des postes actuariels plus orientés infos (sans être DS pure)...
Par curiosité pourrais tu m'envoyer les offres dont tu parles par MP ? J'en avais vu 2 à axa il y a quelques temps et elles ont disparu et je regrette de ne pas y avoir postulé du coup.  

 
+1
Mais il y a quand meme souvent des postes mixtes, notamment dans les petites structures
 
Je dirai meme que cest assez courant qu un job mix une partie BI et une partie DS

J'ai une petite question niveau méthodo...
 
Contexte :
 
J'ai un jeu de données (des images), le but est de faire la classification multiclasses, j’utilise un classifier type SVM et j'ai fait une grid search pour trouver les meilleurs hyperparamètres. On va appeler ce classifieur avec ces paramètres optimaux : classif1.  
 
 
Maintenant le but c'est d'implémenter des techniques de réduction de dimensions, "compresser les images" et regarder l’impact sur la classification (running time, accuracy etc. ).  
 
Et c'est là où j'ai un doute, d'un côté pour que la comparaison ait un sens il faudrait que l'expérience soit identique donc même classifieur classif1, d'un autre côté est-ce vraiment pertinent/intelligent d'utiliser un classifieur optimisé pour un certain jeu de données avec un autre data set ?  
 
Je suis parti sur l'hypothèse 2 et je refait donc une grid search après compression pour trouver les meilleurs paramètres pour le data set compressé mais du coup le "benchmark" perds un peu de son sens...  
 
 
Vous en pensez quoi ?    

Oh le lourd  

Nan j'déconne c'est juste que je peux pas t'aider

On va dire que je suis pas super encadré pour ce stage

selon tes techniques de reduction de dimension tu vas avoir des données dans des espaces différents, tu vas pas avoir un classifier universel avec tels paramètres qui va bien marcher sur n'importe quel espace/representation de tes données
+- relevant : voir le no free lunch theorem

 
Ouaip clairement, donc je continue comme je faisais, merci
 

c'est la meilleure partie du job, on lance l'entrainement et on se touche pdt x minutes/heures/jours sans culpabiliser

La nouvelle version de ce comic

Alors que pendant ça tourne on a le temps de lire des papiers, rédiger des rapports, ...

... Chercher un job mieux payé...

Salut, est ce que vous auriez une référence de cours assez rapide à lire qui explique un peu les algo de base (k-means, random forest etc.) ?
Pour un public avec un assez bon niveau en maths/info

La documentation de scikit learn ?

rapide à lire non ... mais la base du ml oui
 
http://www-bcf.usc.edu/~gareth/ISL/

 
J'aimerais quand même que ça ait la forme d'un cours, avec quelques explications sur l'intérêt des différents algorithmes présentés, lesquels sont les plus courants/importants, peut-être quelques comparaisons entre eux etc.
Pas besoin que ce soit très détaillé non plus
 
 

 
440 pages c'est un peu long

 
A voir si le niveau de détails te convient : Top ten data mining algorithms
www.cs.uvm.edu/~icdm/algorithms/10Algorithms-08.pdf

Y'a Coursera au pire  

udeny ML de A à Z sinon

Pour info, des réponses pour le MVA sont tombées aujourd'hui :-)
 
(Comme j'ai pas reçu de réponse j'imagine que j'ai du me faire téj ou être sur liste d'attente )

À CentraleSupelec, les affectations en option de troisième année n'ont pas encore été établies.
Les 2A ne peuvent pas encore candidater je crois.

À mon avis la procédure de sélection du MVA n'est pas terminée.

 
Ca a l'air d'être exactement ce que je cherchais
 
 

 
A l'X ça fait déjà quelques semaines qu'ils ont donné les résultats.
D'ailleurs il y a combien de personnes par promo qui font le mva chez toi ?

Je sais pas. Je compte candidater

 
20 places pr CS je crois.

Bonjour,
 
J'ai 52h CPF à faire péter . Que pensez-vous de cette certification Microsoft 70-475: Designing and Implementing Big Data Analytics Solutions ?
 
https://www.microsoft.com/fr-fr/lea [...] 0-475.aspx

Perso je commence à réfléchir à la prochaine étape à donner à ma carrière pour pas errer trop longtemps.
Je me suis reconverti, je bosse un maximum pour m'améliorer mais clairement je pense pas pouvoir atteindre un niveau d'expertise suffisant pour me spécialiser à fond en technique, surtout compte tenu de mon âge (> 40 ans).

Du coup je commence à regarder et me renseigner sur les évolutions de carrière mais j'ai pas trop de vision pour le moment.
Déjà quels sont les secteurs et technos susceptibles de donner plus de débouchés et de rémunération (tant qu'à faire ).
Iot ? Sur le papier ça m'intéresse, mais c'est peut-être un buzzword Avec rien de sérieux dedans.
Pourquoi pas une fonction en avant vente?

Si vous avez des avis...

Regarde aussi du cote des boites pharma et biotechnologies. Y'a de plus en plus de demandes pour traiter les petabytes de donnees qui arrivent, que ce soit au niveau genetique, proteomiques, medicamenteuse ou dossiers cliniques des patients. Pour beaucoup de postes, y'a besoin d'avoir les connaissances du domaines, mais pas toujours.

Je pense qu'il n'y a pas d'âge pour arrêter d'apprendre, que ça soit technique ou non. Surtout dans un domaine où toutes les technologies deviennent obsolètes au bout de 3 ans.

Je suis assez d'accord avec ça mais le soucis c'est le point de vue du recruteur aussi, 40 ans et nouveau dans un domaine, même avec un doctorat en physique ils ont tendance à préférer des éléments plus jeunes.
Là suis dans la boîte depuis quelques mois à peine et on discute déjà de me donner plus de responsabilités, gérer du projet etc.
Du coup ça me semble assez compliqué de devenir expert technique.

Peut-être aussi que le fait de faire un boulot de merde depuis un moment n'aide pas aussi

 
Bah c'est plutôt bon signe non ? Ça implique plus de thunes en général