Reprise du message précédent :
Asie j'aimerai bien, je pense que ça sera suffisamment dépaysant pour faire passer l'horreur du salariat au second plan. Singapour, Hong Kong etc

 
 
Regarde Tokyo aussi  
En plus le salaire en VIE y est pas dégueulasse par rapport à ailleurs

Le mec a pas encore commencé à bosser il se plaint de l horreur de salariat

Le Japon en data science sans parler japonais c'est très chaud

 
Je peux confirmer, et le salaire moyen doit être à 35k€  

Dans la COGIP ou j'ai fait ma thèse (en RP), c'était du 52k il y a quelques années pour un JD "optimal": groupe A/MVA, thèse CIFRE dans l'entreprise donc 3 ans "d'expérience"
Je ne sais pas comment ca a évolué depuis mais j'imagine que la hype du ML a du faire augmenter un peu les salaires quand même
 

 
Frère. J'ai fait des stages hein ça suffit pour voir que c'est de la merde. Et encore là je suis dans le peak vu que j'ai 0 pression et que tout le monde est gentil avec moi. Bientôt y'aura la politique de la COGIP, la pression du boss et des deadline, la calvitie inhérente au statut d'ingénieur etc.
 
A3oudoubillah non merci

Ça a l'air bien typique allemand ça, non ?  
Munich, Stuttgart ou Hambourg ?

Nous on embauche tous le monde pareil: dev bisness, data, groupe A ou école 42...

Un sortie d'école c'est 40+10% de bonus + un chouille d'equity (et ticket restal )
Si tu as césure ou un peu d'xp on file facile un ans d'xp: 42+10%

On est dans la moyenne pour data scientist, un peu bas pour les dev classiques

Et niveau augmentation, ça se passe comment ? Vous arrivez a contenter les employés ?

Oui ca peut aller jusqu'à 10%. Le problème est pas les datascientist, on a un très bon inbound et plein de profil de malade. On galère bien plus avec les devs, qui sont plus chers et plus exigeants. Aujourd'hui un 42 avec 2ans d'xp c'est plus chaud à recruter et plus cher qu'un X+Mva.

Ah ouais, sérieux ?  
Intéressant... Tu cherches des devs experts en quelle technologie ?

Pas expert... Juste pas des tocards. Des mec en node/Python pour le back, react front... C'est trop trop la galère. Les mecs un peu futé, bon et curieux c'est open bar partout. On a un autodidacte/42 de 21ans qui vient de nous refuser un propal a 48 +10% de bonus... (le mec était vraiment en mode petit génie aussi mais c'est pour donner l'idée ...)

C'est chaud
 
Mais il me semble qu'il n'y a pas de cours de maths à 42, ça ne te pose pas de problème ?  
 
 
Sinon, je songe à suivre un cursus en mathématiques en parallèle de l'école d'ingé pour avoir la double casquette mathématicien/ingénieur logiciel.

Ah ouais donc le datascientist au bout de 3 ans il est Max à 55k ? Vous arrivez à les garder ou bien ils partent et sont remplacés par le très bon inbound ?

On a eu que 2 départ depuis 3ans dans la team deep (sur 20 personnes) , 1 pour aller faire une thèse, un parceque ça se passait mal. Sinon tous le monde reste. En dev on est a 5 fois plus en proportion.

Je parle de développeur là, pas data scientist. Tu n'as pas besoin d'un fort niveau en math pour ça.

 
On a exactement le probleme inverse. Trouver des bons developeurs, ca va on ne galere pas trop. Par contre trouver des data scientist qui comprennent vraiment comment marchent les algos, qui sont capables de trouver des solutions nouvelles plus adaptees, qui peuvent aborder un probleme differement c'est vraiment beaucoup plus difficile. Mais je ne comprends toujours pas comment vous pouvez recruter des tres bons profils avec ce genre de salaire. A Londres tous les les mecs que je connais qui ont un niveau correct sont au dessus de £100k et les tres bons sont encore largement au dessus. Je comprends que certaines personnes preferent rester en France mais bon de la a voir ce genre de difference de salaires.

J'ai rarement vu ce genre de salaire, du moins pas dans les annonces que je regarde. Plutot autour de £70-£90 pour un Data scientist.

Edit:
https://hired.com/salaries/london/m [...] g-engineer

https://hired.com/salaries/london/data-scientist

"Machine Learning engeneer" c'est pas un data engeneer plutôt qu'un data scientist?

T'as édité

67K£ j'irais pas vivre à Londres pour ça en tout cas

C'est toujours vague les terminologies. Mais j'ai rajoute data scientist.

Tu travaille dans quel domaine ? Quel taille de boîte ? Quelle technos ?  
 
- On a déjà l'avantage d'être une startup avec une très bonne ambiance et une super équipe ça attire.
- Ensuite on fait VRAIMENT du deep learning. Le mec qui vient chez nous il va pas faire une régression sur une feuille excel ou entrainer un truc sur AutoML. On a reçu l'équipe Data de meero, parot, airbus des gens comme ça... On les plie tous en terme d'avancement techno. Si tu enlève les lab des gafa il y a pas des centaines de boites à notre niveau en deep aujorud'hui (pas pour le plaisir, simplement parceque le sujet est très complexe...) J'ai un mec qui est entrain de trainer des capsnet par exemple là, et pas pour la beauté de l'art, pour mettre en prod pour un client en septembre.
- On est aussi sur des applications sexys, ça attire.
 
Quand Londres vs Paris tu oublis que la majorité des gens n'ont tous simplement pas envie de bouger, surtout avec le brexit

T'es chez HugginFace ?  

Clairement faux, à part si peut etre toutes tes connaissances sont dans la finance/assurance/bullshit. Source: J'habites à Londres depuis 5+ années et je suis dans le domaine.

Curieux aussi ?

Question organisation, chez nous l'équipe data rassemble tous les profils (engeneer, scientist, analyst, vie, steward) sous un boss.
 
L'équipe est vouée a grossir, et j'arrive pas voir comment ils vont organiser le truc ça ça fera trop de n-1 au boss (déjà 8, risque de passer a 12/14).
 
C'est organisé comment chez vous ce genre de team?
Ça rajoute une tête au dessus du métier le plus représenté genre 1 senior qui manage les 6 data engeneer et rapporte au boss de base?

Je vois surtout la création de postes de teamleads. Sourcés en interne si l'équipe est essentiellement composée de consultants ou qu'il faut recruter tous ses membres et Sourcés en externe si il n'y a pas de choix clair (au risque d'exploser l'entente au sein de l'équipe par exemple ou si personne n'est pressenti pour monter d'un cran)

Au final le teamlead est surtout là pour décharger le manager des tâches RH et aider les membres de l'équipe dans leur quotidien tout en consolidant les reportings. Les décisions et arbitrages envers les métiers reste au manager qui devient N+2 (si c'est fait en bonne intelligence il reste accessible à ses exs n-1 pour prendre la température et adapter le dispositif si les premiers mois ne se passent pas comme espéré).

Autre solution organiser tout ce beau monde en feature team avec des postes de managers non pas en fonction de qui gère qui mais plutôt qui gère quoi : une release, un produit, un vertical métier, une fonctionnalité ...

Pourquoi ne pas vous réunir pour en parler ensemble et prendre le pouls de ce qui marche et ce qui ne fonctionne pas bien ? Le risque de réorganiser "parce qu'il commence à y avoir du monde" c'est de rendre un manager (potentiellement très bon) moins proche de la réalité métier et de "récompenser" des gens moins productifs en les promouvant teamleader parce que les meilleurs sont indispensables à leur poste (déjà vu et pas beau à voir même des années après la réorganisation )

LeetCode ça sert à quelque chose pour les entretiens ?  
 
Les trucs genre liste chainées tout ça, osef ou pas ?  
 
Je suis pas bien là  

Ca dépend chez qui tu postules

Je mets ma main à couper que Python ne convertit rien du tout de manière automatique.
 
Tu dis que sur Jupyter ça marche une fois sur deux mais les deux exemples que tu donnes ne font pas la même chose. Dans un cas tu appelles le constructeur et dans l'autre une méthode statique dont nous devons supposer qu'elle instancie un objet via le constructeur, mais peut-être pas de la même façon.
 
Bref, tu devrais surtout nous montrer le code du constructeur et de la méthode from_block_string, le problème se situe sans doute là-bas.

J'ai trouvé, y'avait une putain de virgule qui s'était glissée dans l'attribution des paras    
 
Merci

 
Ah j'avais pas vu
 
Je sais pas encore mais à priori je suis ouvert à tout SAUF au conseil (de la SS2I à BCG Gamma ), me faudrait un truc un peu stimulant car j'ai tendance à rien branler quand j'ai pas de pression.  

Things I Have Learned About Data Science
https://www.kdnuggets.com/2019/07/c [...] ience.html

Bonjour tout le monde, je reviens vous embêter avec une question d'implémentation sur Keras  

Je crois que j'ai pas bien compris comment ça marchait cette histoire de custom layer...

Contexte : J'ai un gros réseau de neurones assez compliqué qui utilise notamment des couches DepthwiseConv2D() déjà implémentées dans Keras, jusque là tout va bien, je peux compiler, entraîner mon réseau et sauvegarder ses poids, ça marche nickel. Comme idée d'améliorations j'ai voulu remplacer les couches DepthwiseConv2D() par des couches MixedDepthwiseConv2D() introduites dans ce papier https://arxiv.org/pdf/1907.09595.pdf et là ça merde.

Plus précisément, ça fit bien et ça prédit bien car j'ai de très bons scores MAIS là c'est le drame :

• Impossible de recréer mon architecture à partir du fichier .h5 censé contenir mon architecture + poids + paramètres de compilation. J'ai ce genre d'erreurs quand j'essaie :

• Possible de charger mes poids sauvegardés dans une architecture déjà instanciée mais vu les résultats je pense que les poids de mes couches customs ne sont pas chargés (accuraccy ~ random alors que je devrais être à ~99%...)

Conclusion : Visiblement le pb vient de l'implémentation de cette couche  

Code :

Pour la layer, je me suis inspiré fortement de l'implémentation officielle dispo ici (la classe MDConv) https://github.com/tensorflow/tpu/b [...] _layers.py  :

En gros ce que ça fait c'est que ça divise les channels de l'image en groupes et ça applique une DepthwiseConv2D() avec 1 kernel différent pour chacun des groupes. Je met le code de split_channel aussi au cas où

Comme ça renvoie un tensor, pour l'utiliser dans mon réseau en tant que layer, je l'ai foutu dans une couche Lambda comme ceci :

Et voilà, je sais pas pourquoi ça ne marche pas... Si quelqu'un a une idée

Merci d'avance  

EDIT : Le pb vient très probablement de la layer Lambda, apparemment c'est pas fait pour du code compliqué et la serialization pose pb mais là je vois pas trop comment régler ça...

Il me semble que tu dois rajouter ton layer en argument custom_objects dans load_model

Non ça ne marche pas, presque sûr que c'est la couche Lambda qui fait de la merde au moment de serializer. Jvais y réfléchir  
 
edit : c'est bien l'utilisation de lambda qui posait pb, j'ai partiellement résolu le problème en créant une custom layer proprement avec les bonnes méthodes etc : https://keras.io/layers/writing-your-own-keras-layers/
 
Je peux sauvegarder et charger les poids mais maintenant ça plante quand je veux sauvegarder l'architecture "NotImplementedError", l'informatiquent      
 
edit2 : apparemment c'est normal, https://keras.io/models/about-keras-models/
 

Bonjour tout le monde,

J'ai implémenté un papier sorti il y a pas trop longtemps en Keras, c'est la première fois que je fais ça donc je suis preneur de retours sur mon code (qui n'est pas long) histoire de m'améliorer

J'envoie le github aux intéressés en MP, histoire de rester un minimum anonyme  

Petit meme sur les frameworks de ML
Petite pensée pour Blasta à 0:25  

Je m'en remettrai

Je ne travaille plus pour MathWorks et je n'ai pas d'action, pour info

403 forbidden