Reprise du message précédent :
Je suis au MVA cette année aussi, et les réponses à ces questions m'intéresseraient beaucoup... Je poserai des questions supplémentaires après
 
Pour info je me suis résigné cette année à faire une thèse alors que je n'y pensais pas avant  (entre autres pour tes Pour 1, 3 et 5)...

Si ça peut t’aider perso je n’ai pas fait de thèse seulement à cause des contres 1 et 2, et surtout parce que plus tard je me voyais plus ingénieur que chercheur, et je ne voyais pas l’intérêt de la thèse dans ce cas.  
 
Je pense que ça vaut le coup de se poser la question de ce que tu veux faire plus tard. Tu as la chance de pouvoir discuter avec des profs et td man qui seront plutôt côté thèse, après si tu peux aller discuter avec des anciens côté industrie il y en aura peut être + sans thèse. (Mais évidemment pas tous)
 
Pour le côté salaire c’est sûr que ça n’a rien à voir mais il faut le voir comme une prolongation des études je pense. Perso j’avais hâte de travailler dans une boîte donc pas envie de prolonger les études.
 
Édit : ah oui et il y avait aussi le fait que la thèse c’était comme 3 ans dans la même boîte avec impossibilité de démissionner donc ça me paraissait trop risqué (en vrai il y a des gens qui arrêtent ou changent de thèse mais c’est compliqué) (et au mva tu peux quand même espérer avoir une bonne vision de pas mal de labos)

Ou alors pourquoi pas couper la poire en deux : étant donnée ta description, pourquoi pas une thèse CIFRE dans un GAFA France ?

 
+100
 
X-mva c'est ce qui se fait de mieux comme profil, une thèse cifre dans un gafa sera sûrement aussi bien payée qu'un poste en R&D classique hors gafa (particulièrement si tu fais ta thèse chez g ou f), une expérience professionnelle géniale, la case top thèse qui t'ouvre toutes les portes dans tous les domaines, worldwide.  
 
Je ne vois vraiment aucun contre sauf si tu veux faire une carrière dans l'académique

J'aurais tendance à conseiller comme les autres de considérer l'option thèse CIFRE, même si tu ne souhaites pas faire de carrière académique.
C'est ce que j'ai fait après le MVA et c'est une décision que je ne regrette pas du tout. Ca a permis de rajouter à mon CV une grande boite et le réseau qui va avec.
Même si je suis parti dans une start-up après, ca me permet de me présenter comme ancien employé de "TelleBoite" et ca donne pas mal de crédibilité, en plus du diplôme de doctorat.
 
Quelques éléments de réflexion supplémentaires:
- Vu que tu es au MVA, tu pourras probablement choper une thèse dans un labo prestigieux (il faudra bien choisir)
Niveau CV, je suis pas sur que ce soit moins bien que bosser 3 ans dans une boite
- Avec un profil comme le tien, tu trouveras forcément un poste bien rémunéré
- Pendant ta thèse, tu peux faire des stages dans des grandes boites genre GAFA qui paient plutôt bien
Franchement, ca me parait dommage d'avoir fait tout ce parcours pour se dire à la fin "tant pis pour le doctorat, je veux gagner plus maintenant"
- A l'étranger, le PhD est un énorme plus parce que bon, les écoles d'ingés et le MVA c'est pas non plus forcément connu à l'international.
Vu ton message, tu as l'air de te concentrer sur la France mais on sait jamais ce que la vie nous réserve comme opportunités... surtout vu que tu as l'air de te fixer sur les GAFA
- Par contre, étant donné l'orientation actuelle de la recherche en computer vision, c'est pas dit que tu fasses vraiment des maths apps en thèse et tu n'échapperas probablement pas non plus au "import keras"

Je pense que particulièrement dans le domaine ML/DM, en thèse CIFRE dans les G&F, on t'encouragera à publier au top niveau ... ce qui est bien pour la carrière académique

Oui, oui et oui !
Vu ton profil, tu seras bien payé en France.
Plutôt que de penser aux sous tout de suite, pose-toi vraiment la question : "Qu'est-ce que tu aimes faire ?" (ce qui te fera te lever tous les matins avec le sourire : "Ouais, je vais aller au boulot " ... ça, ça vaut bien plus que les 3 années de "perte" de salaire en tant que doctorant)

C'est dur une thèse, on en bave souvent, et c'est pas forcément un bon calcul. Mais c'est quand même une expérience unique.
J'ai souvent l'impression que la mienne n'a servi à rien (surtout avec ma reconversion) mais avec le recul ça reste ma meilleure expérience professionnelle, les meilleures années de ma vie sans hésiter.
Plus que le sujet, il faut surtout choisir son encadrement, même si dans le cas d'une thèse industrielle (cifre et autres) c'est moins critique

La these, y'a quand meme le papier derriere. Beaucoup de boite utilise ce critère principal pour éliminer les candidats qui n'en ont pas. Surtout valable pour les postes intéressants ayant une composante recherche bien sur.

X+mva tu bosses ou tu veux sur Paris, gafa inclus imo. Si tu fais une thèse fais la parceque tu as envie (ou alors l'étranger). Sinon pas besoin.
La thèse c'est un engagement long, dur et peu rémunérateur. Fais le parceque ça te plaît.

 
+1, avec ton profil tu seras quasi automatiquement reçu en entretiens, faut juste que tu les foires pas et c'est bon.
 
Pour compléter ce qui a été dit, oublies pas que la thèse t'engages pour 3 ans.
 
Un bon compromis serait de faire une cifre. Et sinon pourquoi ne pas trouver un job qui te plaît à la sortie du MVA, et si l'opportunité/l'envie se présente faire un phd après 1 ou 2 ans d'exp ?

Pour ma part, la thèse est un des principaux critères qui m'a permis de décrocher mon prochain boulot. Et pourtant elle commence à dater et je suis loin d'avoir le parcours académique rêvé (prépa + fac de troisième zone).

Mon futur employeur est une boîte américaine et pour eux, la thèse, c'est LA formation ultime.

edit :

Quant à l'évocation d'une CIFRE, je ne suis pas convaincu. Ce ne sont que 3 ans, l'important est de bien choisir son sujet et son encadrement comme ça a été dit plus haut. Faire 3 ans en CIFRE sur un sujet moisi (parce qu'on va pas se mentir, les thèses CIFRE sont souvent moins intéressantes et complexes que les thèses académiques) juste à cause de la différence de salaire, ça me semble être un mauvais calcul à moyen/long terme.

Je suis accepté pour la formation Data Science Starter Program en CPF à l'ÉCOLE POLYTECHNIQUE EXECUTIVE EDUCATION .
 
Qu'est ce que je dois revoir avant d'y aller si jamais j'y vais

 
Ça a l'air de survoler un peu tout sans aller dans le détail, je t'aurais bien conseillé quelques bases de maths mais je ne suis pas sûre que ça sera nécessaire

Bonjour à tous,
 
Je suis ingé R&D dans le spatial et en début d'année j'ai suivi le MOOC de ML sur Coursera (le fameux cours de Andrew Ng), j'ai beaucoup aimé et j'ai souhaité continuer avec le deep learning, mais les formations sont assez chères... Mais convaincu que je souhaitais m'orienter vers ce domaine, j'ai demandé à ma boite pour faire une formation et ils ont gentiment accepté !
 
J'ai tout d'abord proposé la spécialisation en deep learning de Coursera, mais le mode de financement (42€/mois) n'est pas compatible avec ce que peut faire ma boite.
Idem pour le nanodegree deep learning de Udacity, à 899€... Il faut quelque chose de plus "cnoventionnel"...
 
Je suis donc à la recherche d'organismes proposant des formations courtes dans ce domaine. Mais j'aimerais quelque chose d'assez consistant, et qui ne se limite pas à passer en revue les principes de bases et faire une simple application sur le dataset MNIST... Parce que du coup j'ai pu déjà un peu me faire la main avec le bouquin de A. Géron.
 
Les quelques formations que j'ai pu trouver ne durent que 2 ou 3 jours et j'y vois peu de mise en pratique, comme celle-ci par exemple :  
https://www.orsys.fr/formation-deep [...] rones.html
 
Connaissez-vous de bonnes formations pour les employés dans le domaine ?

C'est dommage ces cours ont une certaine ''renomé'' (mais ca reste des mooc ) , quand tu vois ca sur le cv, même si ca vaut pas le mva, tu te dis que si le mec a suivi ça sérieusement il peut avoir au moins de bonnes bases. Pas possible de te les payer sur ton argent de poche ?

Regarde du côté de Openclassrooms ils ont des formations "conventionnées". Quand j'étais inscrit à Pôle emploi, ça faisait partie des formations qui pouvaient être prises en charge à priori

Pour ceux qui n'ont pas suivi sur le topic salaires, la data science c'est fini pour moi !
Retour à des choses concrètes... Toujours de la data mais plutôt côté IT en tant que consultant chez un éditeur de logiciel.
Et salaire à 6 chiffres

Oui je suis bien d'accord, j'étais assez déçu quand j'ai vu que ça leur paraissait compliqué. J'ai également contacté Coursera pour voir s'il y avait possibilité d'acheter la formation complète mais ce n'est pas possible non plus.
En tout cas, pas possible de me verser les 42€/mois en contrepartie sur mon salaire, parce que je pense que lorsqu'une entreprise paye pour une formation, cela compte d'une façon bien particulière dans le bilan comptable, un peu comme quand tu donnes à un association et que tu t'en sers pour déduire une partie aux impôts...
Il faut une date de début, une date de fin, et un montant fixe hors taxes.
 
J'ai vu qu'il y avait des mastères spécialisés, par exemple tu vas en cours deux jours par mois et ce sur une année scolaire. Le problème c'est que ce genre de formation commence en septembre, donc j'ai loupé le créneau...
 
Sur OpenClassrooms je n'ai rien vu concernant le deep learning, juste de la data science pour faire du marketing digital et ça ne m'attire pas plus que ça...
 
Sinon j'ai repéré ça : https://exed.polytechnique.edu/fr/f [...] n-big-data
Quelqu'un sait ce que ça vaut ? 20 jours mais ça ne dit pas du tout comment c'est réparti...

Wah sympa. Tu peux en dire un peu plus ? Ou bien c'est pas assez anonyme ?

Non mais je sais pas combien tu gagnes mais ingé r&d 42€/mois tu dois pouvoir les sortir
Vois le comme un investissement.

Surprenant que tu n'aies pas déjà un salaire à 6 chiffres dans le domaine data science avec ton expérience...

Tout à fait d'accord les mecs veulent changer de carrière mais attention hors de question de sortir 50 balles par mois. A un moment il faut revoir ses priorités

 
Je ne sais pas précisément ce que valent les cours de l'EXED (ne les ayant jamais suivis), j'ai en revanche été en contact avec l'équipe pédagogique et c'est loin d'être une bande de tocards.
Les 20j sont répartis assez équitablement entre les différents thèmes abordés avec néanmoins un focus sur les premiers : préparation de données, ML "classique", etc.
Si tu veux te faire la main sur du DL, ce n'est pas forcément la meilleure piste, le DL n'étant qu'abordé en vitesse en guise d'ouverture.
En revanche, je pense que personne ne cracherait sur un petit logo X dans son profil LinkedIn...
A ma connaissance, le coût de la formation est de l'ordre de 7000 euros.
 

 
Pas à ce stade mais bientôt... En gros, le job consiste à réaliser des preuves de concept avec la solution maison auprès d'entreprises et institutions majeures qui ont du cash et des problématiques suffisamment complexes pour que toutes les autres solutions du marché se vautrent lamentablement.
 
 
 
Je l'ai déjà mais en package. Là ce sera même le fixe.
Mais dans l'absolu, il ne faut pas se leurrer, le salaire à 6 chiffres en France est très difficile à atteindre en tant que salarié.

 
Ce n'est pas la question de si je peux les sortir ou pas, et même à la rigueur, ça ne vous regarde en rien... Du coup merci d'éviter ce genre de remarque  
Mon entreprise me propose de suivre une formation, pourquoi je dirais non ?    
 
Après vu qu'ils ont refusé pour Coursera et Udacity, rien ne dit que je ne vais pas voir pour me la payer, notamment pour la spécialisation de Coursera.
En attendant, avant de faire cet investissement, j'en suis à chercher une formation conventionnelle.
 

D'accord merci pour ces informations, je devrais donc plutôt chercher autre chose dans ce cas.

Ça me plairait bien un taf comme blasta en fait. Sans forcément viser le gros salaire, mais plus pour l'intérêt du poste...

Je me demande comment je pourrais évoluer vers ça

Il y a pléthore de positions dans ce genre offertes par Google, Amazon et IBM si tu veux rester dans le domaine de la data. Tu as regardé leur site pour voir les offres qui passent ?

Non je n'ai pas encore cherché. Mais ça fait à peine un an que je suis dans la data pour de bon, j'ai peur que ça soit trop tôt.
Je ne sais aussi pas vraiment quoi chercher, l'intitulé du poste. Vous appeleraiiez ça comment ?

Ça fait partie de la fonction pre-sales et consulting en general

Logique
Par contre, je suis actuellement en SSII (un peu technique quand même avec des produits intéressants), pour évoluer vers ce genre de poste dans un groupe plus grand qu'est-ce qui serait plus pertinent ?
- Me perfectionner sur un sujet technique pour une meilleure crédibilité ?
- Me positionner sur des tâches avant ventes dans ma SSII ?

Je suis plus tout jeune, si je veux bouger il faut que j'arrive à bien anticiper et me positionner correctement pour pas perdre 5 ans avant de me décider

Le premier point est primordial, soit dans le poste soit via des projets perso poussés sur des domaines recherchés (e.g. NLP, deep learning, computer vision). Cela te permet de démontrer passion et crédibilité.

L'expérience avant vente demande un bon relationnel (qui se travaille) mais aussi des preuves de capacité d adaptation et d efficacité (créer une démonstration convainquante en un minimum de temps)

je rejoins le conseil donné plus haut concernant le relationnel : C'est lui qui va te permettre de construire un reseau de professionnels et de fournisseurs (editeurs et constructeurs) pour enfin donner de la visibilité à ce que tu fais.

une fois que tu es visible et que tu as une expertise recherchée, je trouve simple de sonder via les personnes avec lesquelles tu travail les postes ouverts côté fournisseur (c'est comme ça que j'ai commencé à bosser en avant vente -pre sales engineer- pour un éditeur). Un profil linkedin à jour et bien présenté aidera aussi beaucoup (c'est comme ça que j'ai chopé mon dernier job)

Au final quelques conseils pour maximiser tes chances :
- traite tes utilisateurs comme des clients (penser "comment l'aider avec son problème" au lieu de rebalancer ailleurs dès que possible même si c'est des fois la culture de la boîte)
- si possible être avenant avec les gens même si des fois ils te compliquent ton boulot : si tu es le seul à arriver à bosser avec certaines équipes connues pour être difficiles tu deviendra naturellement quelqu'un qui sera appelé sur les cas potentiellement plus sensibles et à plus forte visibilité
- traiter tes fournisseurs comme des partenaires : vous bossez ensemble et si tu leur facilite la vie in fine ils pourront mieux faciliter la tienne
- t'intéresser à la valeur ajoutée de ce que tu fais pour les métiers : dire que tu gères des batchs de certains traitements qui préparent les datas pour les analystes c'est bien. arriver à expliquer quel est l'usage de tes traitements par les métiers et pourquoi ils sont indispensables à leur taffe c'est top

Oh et comme ça a été suggéré surveille dès à  présent les offres d'emploi dans le domaine que tu vise : il y a plein d'information utiles sur les compétences que tu dois développer aujourd'hui pour les interesser demain

Salut, vous avez des conseils de ressources sur le Handwritten Character Recognition?
 
Quand je fais des recherches sur google scholar, j'ai l'impression que c'est principalement des indiens/chinois sur le sujet. Comment ça se fait?
   

Le contenu de ce message a été effacé par son auteur

 
 
Sans vouloir jouer l'espion j'ai stalk toute la promo 2013 du MVA (dispo sur le site) et j'ai pu voir que les phd et les non phd étaient pas si différent en terme d'opportunités de carrière:
 
Parmi les non phd j'ai vu des profils chez Tesla , Amazon, Société Général, Google, Criteo, Bloomberg, Loreal, EDF  et le reste était  principalement en Startup ou dans le conseil. C'est souvent des débuts de carrière dans des Startups moyennes mais ça tend à s'améliorer après leur 2ème ou 3ème boulot après le diplôme (même si certains sont toujours en webscrapping   )
 
Parmi les phd (quasi full Inria  ):  

• beaucoup etaient restés dans la recherche académique sur des sujets assès récurrents (Imagerie médicale, Modélisation de signaux, Visual Recognition..) avec pas mal de départ vers les labos US style Stanford,Berkeley.
• pas mal étaient devenus Research Scientists dans des boites  (principalement en médecine et reconnaissance de maladies, ou encore dans l'énergie style EDF, Image Processing, ...)  

Enfin j'ai noté quelques profils chez Facebook, Huawei, Renault, Goldman Sachs.
 
Bilan: On ne peut pas vraiment conclure mais je dirais que le phd/cifre c'est pas mal maintenant que tout le monde propose son module Data Science. Après je ne connais pas le réseau des gros masters Data Science comme le MVA ou le Paris Saclay donc à débattre.  
Enfin le plus du phd d'après ce que je vois, c'est que ca peut permettre de bosser direct sur quelque chose d'intéressant plutôt que de commencer dans des petites startup.  
Réciproquement les non phds développent plus vite de l'XP et ils se forment rapidement sur plein de sujets, ce qui n'est pas plus mal en Computer Science et Machine Learning qui s'apprennent aussi sur le tas.

 
Vu que je suis accepté j'ai reçu le devis c'est mini 10k€  
 

Pas déconnant pour l’X, bien au contraire.
Quand tu vois que Telecom ParisTech facture 14k pour son mastère Big Data tout daubé...

Le seul truc que j'ai trouvé avec plutôt un bon tarif c'est celui là (6k sur mon devis en full e-learning)
 
http://www.cegefos.com/formation-certifiante/big-data

Pour la question de la thèse, je suis ingé (pas X) avec MSc dans une bonne fac anglo-saxonne en parallèle de ma 3A. Après un an en entreprise (pour l'expérience et pour prendre le temps de publier un papier extrait de mon mémoire de recherche) j'ai postulé à des trucs et j'étais accepté au MVA et en thèse académique, et j'ai choisis la thèse dans la fac où j'étais en MSc/3A.

Pour moi les principaux avantages par rapport à chercher un travail directement :

• Si tu choisis bien ton labo, tu pourras bosser 3 ans sur les problèmes de ton choix, y compris ceux fondamentaux et/ou qui n'ont pas d'intérêt financier immédiat. En industrie la majorité des jobs sont voués à résoudre des problèmes que la boite a, ça veut pas dire que des découvertes "fondamentales" (au sens "purement AI" ou  "purement ML" et/ou utiles sur d'autres problèmes) peuvent pas en dérouler, mais ça conditionnera le genre de sujets sur lesquels tu travailleras.
• Ça permet de développer des compétences différentes (c'est vague mais j'ai la flemme de développer ce point).
• Les opportunités professionnelles post thèse en ML sont au moins aussi bonnes que directement après le master, les jobs de "ML engineer" et "data scientist" sont toujours accessibles (avec salaire d'entrée plus haut), et les jobs de "research scientist" le deviennent beaucoup plus. Pour trouver un post de research scientist en gafa avec just un master, X-MVA ou pas il faut s'accrocher (c'est déjà dur avec le PhD et les publis).

Comme dit plus haut les stages sont une possibilité, même si ça semble peu commun de faire un stage pendant une thèse en France.

Là je suis en fin de première année de thèse et je fais un stage de recherche sur mon sujet de thèse chez G. AI aux US. Juste avant ça j'avais fait un stage dans un domaine très différent que je voulais essayer (pour voir si ça pouvait me plaire) chez un acteur majeur du domaine en question. Je pense refaire un stage plus tard dans ma thèse.

Je dirais que la thèse n'est pas forcément utile si tu ne tiens pas à t'orienter vers les jobs les plus recherche. Il y a des postes d'engineering en recherche et des postes de R&D où les ingénieurs participent à la recherche.

Personnellement je fais une thèse par ce que je veux être research scientist et être plus en amont côté modèles (même si l'implémentation reste une grande partie du travail, et tant mieux, certains problèmes importants viennent de l'implémentation et de se demander "maintenant comment on fait marcher ça" ).

Si tu peux chopper une CIFRE en GAFA il y a moyen que ça soit un bon compris, car ce sont parmi le peu de boites qui payent des chercheurs à explorer des idées pour les idées. Les labos de recherche de G et F (principalement) sont peu ou prou pareil que des labos académiques mais avec plus de moyens. Je trouve que les deux A de GAFA sont un peu derrière, Amazon a de très bons chercheurs mais publient moins j'ai l'impression et me semblent plus appliqués dans l'ensemble, et Apple est très secret et beaucoup plus appliqué d'après les retours que j'en ai de gens que je connais, mais les deux embauchent des chercheurs post PhD, et Amazon publie aussi des "idées".

Merci pour le retour d'expérience. Deux questions :
- les stages en entreprise pendant la thèse ça marche comment ? Tu es payé par Google en plus du salaire de thésard ? C'est possible aussi pour les doctorants en France ?
- Hormis les GAFA il n'y a pas d'autres boîtes permettent de faire de la recherche "explorer des idées pour des idées" ? Quid de IBM, Microsoft ? d'autres moins connus ?  

1. Dans mon cas c'est une interruption d'étude pour la durée du stage, mon financement doctoral est suspendu, je suis payé uniquement par G., et le "compteur" s'arrête de tourner pour le temps restant en thèse, donc ma date de fin est décalée (mais je ne perds pas de temps à passer sur ma recherche personnelle).
 
Pour les doctorants en France j'en sais rien.
 
2. Oui il y en a d'autres, typiquement Microsoft Research (MSR) est un ensemble de labos d'informatique qui n'ont pas forcément comme but une mise en produit, il y a pas mal de trucs cools qui en sont sortis. IBM a Watson par exemple mais je connais moins. Typiquement je me verrais plus faire une cifre avec MSR qu'avec Apple compte tenu de mon projet perso, mais ça serait différent pour de la R&D.
 
Et je ne sais pas si ça transparaissait de mon message ou pas, mais la thèse est bien sûre utile pour les postes de R&D comme l'a dit Rontgen.
 
Mais en soi t'as pas répondu à la question. Tu veux quoi comme poste plus tard ?
 
Si c'est un truc comme quant en banque ou hf, ingénieur logiciel, ingénieur de recherche, ingé R&D, la thèse ne te sera pas forcément nécessaire (surtout en France).

Drapal