Reprise du message précédent :
Le débarquement !
Vous arrivez de quel topic ?

Bon rebondissement les détails du contrat en deep learning sont décevants (paie beaucoup plus faible la première année car les bonus sont payés au pro rata de l'entrée sur l'année precedente). Bref job intéressant mais je ne touche que 80% du package jusqu'à 2020...

En parallèle proposition qui arrive pour un poste de management (créer une équipe de 0 jusqu'à 4 et en être le manager) dans le secteur bancaire (quantitative research). Salaire à priori plus élevé (j'attends la propale). Interessant aussi car je mets un pied dans le management...

Bref j'aurai déjà signé pour le job technique en deep learning, ça dure à cause des discussions à cause du salaire plus faible sur les 18 premiers mois et opportunité de partir tester le management.

Pour info Profil de 8 ans d'expérience donc potentiellement un bon moment pour passer en management ?

Thoughts ?

8 and d'xp si tu veux faire du management c'est en effet pas mal. Après ca peut commencer a faire tard et tu risques d'être catalogué ''expert'' comme les cogips aiment bien le nomer. Il y a aussi que tu risques de voir arriver de plus en plus de petits jeune ayant commencé le deep en terminal (:o) et avec des nouveaux framework/outils qui ne correspondent peut être pas à ce que toi tu as appris.
Après faut avoir envie de faire du management. Monter une équipe c'est dur, compliqué et casse gueule. Mais passionnant

Juste quand je commencais a me convaincre a prendre l'offre en deep, quitte a faire 2ans et devenir un meilleur manager après, parceque c'est ce qui m'interesse aujourd'hui   J'ai à peine 30 ans, je pense que même à 35 ans (surtout dans ce domaine, on est pas au macdo) une transition vers le managerial ca passe aussi.
 
decisions, decisions..

Le management de personnes c'est pas forcément difficile mais faut aimer ça je pense.
Quand tout va bien, c'est sympa. Mais dès que ça commence à mal tourner, que tu vas avoir des conflits à gérer ça sera plus difficile.
J'ai des amis qui y arrivent très bien. Moi je suis très gentil, c'était très difficile pour moi, je suis content de pas avoir à gérer des gens là.

Par contre si dans ta team Tu as besoin de quelqu'un sur Toulouse, ou en remote depuis Toulouse, tu peux penser à moi

Salut,

Je cherche un peu de littérature sur du hard mining pour du mono/bi classe en seg, vous avez des trucs a recommandé ? Je vois pas grand chose

Putain j'ai reçu un drôle de coup de fil hier : "Bonjour, j'ai vu votre profil sur internet et je souhaiterais vous proposer une formation de chef de projet big data avec un emploi garantie derrière à 2k € net par mois"

Et combien elle coutait la formation ?  

Aucune idée, je l'ai coupé en disant que je n'étais pas intéressé

2k€ net par mois.

C'était peut-être un job en côte d'Ivoire ?

Ya des formations sérieuses pour se réorienter en machine learning si on a pas un profil programmation ?

Sans background en prog ni en math app c'est très tendu.
Après si c'est juste pour ton plaisir y'a coursera et co...mais si c'est pour un job tu vas galérer.

Ça dépend de ton profil. La programmation n'est pas nécessairement la compétence numéro 1.
C'est bien de savoir coder mais pas bloquant si t'es pas un vrai dev.
Dans notre équipe on a 2 gars qui sont vraiment dev à l'origine, c'est eux qui font le boulot vraiment "difficile" en développement...

J'aurais aussi tendance à penser que ce sont les compétences en mathématiques appliquées qui est le critère le plus important.

Mathématiques appliquées vous voulez dire stats? J'ai une formation en market finance ce sont des maths appliquées pour vous?

Nan ben j'imagine que si tu veux faire de la data science dans la finance, ça peut être utile

Cela dit je pense que c'est un peu tard pour faire le switch sans formation adéquate
Au début, y'avait tellement de demandes que ça se faisait sans trop de difficulté mais là ça va être un peu plus difficile parce tu vas être en concurrence avec des JDs moins chers et qui ont bouffé du ML en continu pendant leurs dernières années d'études
L'angle d'attaque serait d'effectivement rester dans la finance pour faire valoir tes compétences et connaissances métier

Tu peux pas faire un M2 ML/stats côté, comme le MVA ou le LaureElie (enfin ça s'appelle plus comme ça je crois mais bon)

T'es pas sortie du sable
Regarde un cours  de ML basic (style coursera). Regarde si tu arrive à avancer relativement facilement. Déjà si c'est pas le cas c'est mort.

Après il y a peut être aussi un créneau pour des gens moins "théoriques".
J'ai lu plusieurs articles et c'est un truc que j'ai vu dans certaines boîtes où on a recruté pratiquement que des gens très forts en théorie, en math et il y a un manque de personnes plus "appliquées". Si tu veux une équipe équilibrée tu peux pas juste avoir des gens qui ont bouffé des maths et du ML.
La connaissance métier, c'est un gros plus... A voir dans ton domaine comment tu pourrais basculer

Merci pour vos réponses

Et puis "bouffer des maths", c'est vite dit. Quand je vois que personne dans cette branche ne sait ce qu'est un espace vectoriel...
 
Si t'as fait une prépa scientifique, le bagage mathématique, tu l'as déjà.

   
C'est pas tout à fait pareil

Moins théorique oui. Mais si tu connais ni le math ni le code vue que le boulot c'est des math et du code c'est quand même mal barré

Non tu deviens analyste "business intelligence " a.k.a. Artiste de Tableau

Oui il y a bien sûr un minimum de connaissances à avoir.
Après si le cœur de métier de ta boîte c'est pas la data tu peux utiliser des outils de data et te concentrer sur ton business.
Enfin on peut pas généraliser, on trouve de tout type de profils

 
C’est marrant Tableau pour faire joujou de temps en temps comême  

Pfiou j'ai côtoyé des JD en BI, ça a l'air chiant comme la mort leur taf...

Horriblement répétitif et sans intérêt en effet.
 
Mais après 2 ou 3 ans de data science, tu te rendras compte que la discipline est elle aussi intellectuellement pauvre et finalement ennuyeuse

Comme pour beaucoup de choses faut pas hésiter à bouger pour se stimuler

C'est vrai que meme le machine learning est un peu répétitif au bout d'un moment
J'ai la chance de travailler sur plein de petits projets dans mon boulot donc ça me le fait pas trop pour l'instant mais je comprends tout à fait le sentiment

Une autre façon de moins s'ennuyer c'est de bien choisir son domaine d'application
Je travaille dans le médical et chaque fois que je vais visiter un client ou hôpital pour tester nos algos en live, ma motivation est direct reboostée à mort après

Sympa ça

Tous les postes au bout de 2-3 ans deviennent moins intéressants... Après un poste machine learning avec un peu de liberté pour explorer de nouvelles choses ça reste un des domaines les plus intéressants (et lucratifs) quand même.

Bon, qui s'est mis a Julia finalement ? La 1.0 vient de sortir.

Julia, c'est de la merde.

Je connaissais à peine de nom, je commence à regarder.... quels sont sensé être les avantages vs python par exemple ? Ca m'a l'air d'en être très proche non ?

La vitesse. C'est quasiment du C a ce niveau.
Il y a aussi toute le langage pour les mathématiques, de type algèbre linéaire.
 
Apres, je serais curieux de voir ce que donne Python avec scipy/numpy par rapport a Julia.

Et pourquoi donc ?

Ah ok, après de ce que j'ai compris numpy par exemple est très optimisé. Il me semble avoir vu des comparatifs où c'était pas beaucoup plus lent que du Coup non?

Python c'est beaucoup trop utilisé
 
Coder en Julia permet de se sentir DISRUPTIF

Initialement, l'idée est bonne : créer un langage interprété, facile à prendre en main mais malgré tout aussi performant qu'un langage bas niveau tel que le C/C++.
 
Après, Julia, c'est typiquement le projet issu du monde académique lancé par quelques profs un brin idéalistes qui se cherchaient un nouveau gros projet... C'est-à-dire que ça va vivoter quelques temps et susciter de l'intérêt parce que c'est nouveau et, au bout d'un moment, l'intérêt disparaîtra lentement et le langage avec lui.
 
Il faut tout de même réaliser ce qu'implique de créer un nouveau langage : il faut TOUT réinventer from scratch. Toutes les bibliothèques les plus standards doivent être réécrites, c'est un vrai calvaire. Alors qu'en face on a des écosystèmes complets... Julia a quand même mis 6 ans à débarquer en version 1.0. 6 ans !
 
Je me demande vraiment quel peut bien être l'intérêt de switcher vers Julia pour quiconque.
La facilité d'utilisation ? Pas meilleure qu'un MATLAB ou un Python à mon sens. Avec en prime une documentation et un support (via l'éditeur ou la communauté) bien inférieurs.
Les performances ? Eh ben franchement je demande à voir. Quand je vois les niveaux de performances atteints par MATLAB et Python avec des bibliothèques optimisées et la compilation JIT qui se généralise, je doute de plus en plus qu'il reste quelque chose à gratter dans ce domaine.
 
Pour info, sur le volet performances, celles de MATLAB ont été multipliées par 2 en 3 ans uniquement à cause des optimisations effectuées par les développeurs. C'est-à-dire qu'un même code s'exécute aujourd'hui 2 fois plus vite qu'il y a 3 ans, et ce sans aucun développement additionnel côté utilisateur.
 
Voici un petit exemple de benchmark en passant mais bon, ça reste du bench synthétique et non des applications complètes : https://modelingguru.nasa.gov/docs/DOC-2676

Merci.
 
Un truc bizarre aussi, c'est les symbole grecs dans le code. Comment on les introduit avec le clavier ? Y'a des raccourcis ? Ca semble interessant pour reproduire fidelement les equations mathematiques, mais peu pratique a l'usage.