Reprise du message précédent :
403 forbidden

Ah mince, j'ai retrouvé une copie là: https://www.linkedin.com/posts/mund [...] 91424-SorA

Est il encore facile de travailler en tant que data scientist ?
La hype est-elle déjà passée pour les nouveaux ?
 
Mon profil:
Ma formation initiale:
- Diplôme d'ingénieurs groupe C
- Master of science (USA)
 
Diplôme acquis en cours du soir:
- Master administration des entreprises (finance, marketing, strategie, compta, etc) (IAE)
 
en cours d'obtention en cours du soir:
- Master statistiques spécialité science des données du CNAM
 
Expérience : 8 ans dans l'automobile
 
Je souhaite m'orienter en data science.  
J'ai effectué une année au CNAM, en parallèle de mon travail.
J'ai postulé à des offres en CDI ou pour des stages mais je n'ai eu que des réponses negatives automatiques.
 
Le secteur est il possible bouché pour les nouveaux entrants ?
Que puis je faire pour augmenter mes chances ?

Vu la tonne de données qui arrive chaque jour, je ne pense pas que le marche soit saturé.

Pourquoi tu veux faire de la Data Science ? C'est surcoté comme domaine.  
 
C'est pas saturé mais avec la tonne de juniors +/- bons qui entrent sur le marché, les salaires sont quand même revus à la baisse. T'as pas un profil très en phase avec la demande aussi c'est ptet pour ça, tu devrais faire des Kaggle, implémenter des papiers / faire des projets, le tout à mettre sur github, ça te servira de vitrine mais c'est un peu chaud
 
En plus t'as déjà 8 ans d'xp, personne va te recruter en tant que data scientist senior, donc regarde si ça vaut le coup de redémarrer à 38k sur un poste junior même si c'est pour être data scientist big data expert deep learning  

Le meilleur plan pour toi est de tenter ta chance sur un poste orienté data science dans le secteur de l'industrie, histoire de pouvoir mettre à profit ton expérience. Tu fais quoi dans l'automobile ?
 
Ou sinon un éditeur de logiciel

 
Actuellement, je fais de la gestion d'equipes.
Éditeurs de logiciels, tu penses à quelles boîtes ?
Pourquoi mets tu un redface ?

 
T'as les SS2I aussi, y'a ptet moyen chez eux  

+1
A mon avis, faire valoir l'expertise domaine est la meilleure stratégie
Pour tout le reste, tu vas être en concurrence avec des JD qui seront plus flexibles et moins chers

 
Merci pour vos réponses.

 
C'est pas mal J'ai beaucoup aimé Matlab  

Il manque keras dans ta liste, très utilisé (200 000 utilisateurs) et le plus facile à prendre à main, ça utilise comme backend tensorflow, theano, c'est souvent le meilleur choix quand on débute dans le deep learning, beaucoup de tutoriels sont basés sur des exemples keras :

https://keras.io/

et aussi pytorch :
https://pytorch.org/

il y a en effet une certaine hype, il y a de la demande mais surtout dans le domaine de la recherche scientifique (deep learning), les universités, pour des CDD ou des postes en doctorant (post-doc), du coup c'est assez précaire,
le terme "data scientist" est assez flou, chez les candidats on y trouve des profils parfois décevants, un diplôme survendu, un bon niveau en statistiques, maths, mais plutôt faible en programmation, en base de données, beaucoup moins polyvalent qu'un développeur classique,  il faut se spécialiser ou faire un bon stage pour se distinguer parmi la masse de "data scientist",

pour de la fouille de données, la collecte de statistiques il y a des logiciels, frameworks qui peuvent automatiser le processus, sans avoir besoin de personnels fortement diplômés, donc à mon avis c'est un secteur un peu délicat si on veut faire carrière dans le long terme, le diplôme peut vite se périmer, et faudra alors faire une veille technologique pour rester en phase avec le marché,

même souci d'ailleurs pour les développeurs informatiques, des frameworks à la mode qui sortent quelques années après l'obtention du diplôme, si on snobe ces technologies en se reposant sur ses lauriers alors on sera moins attractif sur le marché de l'emploi

Haha ca fait 2 ans que j'avais pas updaté le first post    
Ouais du coup j'ai rajouté Keras et PyTorch
 
Sinon, quelqu'un a une idée de nouveau sondage?

Le domaine d'avenir en ML, ça peut être pas mal  
 
Avec BERT etc. le NLP a la côte  

Fyi, vous avez vue que la batch norm en pred est ''modifiée'' (pour pas dire buguée) dans la nouvelle version pour les resnet ?
On a eu de petit soucis ici.

 
Attentive BatchNorm ou rien  

Connaissait pas
Déjà on galère à faire converger les attention block et squeez & excitation on va attendre un peu pour tous mixer dans une batch norm 2.0

 
C'est exactement ce que je fais en stage là, ça marche bien. Hésites pas à m'embaucher  

Dans mes applications, j'ai jamais vraiment observé une amélioration significative de l'apprentissage en rajoutant des batch norm
Peut-etre c'est parce que mes mini batchs ont une taille assez faible vu les contraintes mémoires, ou que mes réseaux sont pas particulièrement deep

Faudrait comprendre exactement ce que ça fait aussi. Les gens intelligents sont pas d'accord entre eux :
 
https://blog.paperspace.com/busting [...] alization/
 
https://arxiv.org/abs/1805.11604
 
 

Donc nos voitures autonomes vont être conduites par des IA dont on sait pas trop comment elles fonctionnent? Rassurant  

 
Tant que ça marche osef  

Ouais enfin justement les voitures autonomes, malgré le torrent de pognon investi, ca marche pas pour l'instant

La voiture autonome lève le pied ... Je crois qu'on n'est pas prêts
https://www.lemonde.fr/m-styles/art [...] 97319.html

Pour le coup nous ca change pas mal, surtout en temps de train, mais pas toujours en mieux . Et ca foire bien en keras 2.2.4
Après j'ai lue un papier intéressant qui disais qu'il fallait modifier le lr quand tu rajoute de la BN sinon en effet, ca fait rien ou du khakha

Tous les gens sérieux en IA savent que la voiture autonome level5 est un vaporware

Quid de Radam + Lookahead ?  

Faut que je vous raconte cela, aujourd'hui un user m'a envoyé comme données des .png  

?

J'ai recu des captures d'écran  

Sors les CNN alors  

salut
 
desole je copie paste un post du topic finance mais c'est bcp plus actif ici:

certains d'entre vous se sont formes au machine learning pour la finance ?
J'ai quasiment fini le bouquin de muller qui avait ete mentionné sur le topic finance ( sans jamais faire un seul exercice par moi meme... ) et le bouquin de marcos lopez m'est tombé des mains au bout de 5 min. Peut etre qui je m'y remettrai si ca vaut le coup.
 
J'allais partir sur la spécialisation sur Coursera (ny tandon school, igor halperin) mais j'ai regardé les reviews et c'est soit 5* soit 1* (un paquet de 1*...) et rien entre les deux donc je suis un peu moins emballé...

C'est quoi les applications en finance ? Car si c'est faire du LSTM pour prédire le stock price à T + k c'est bullshit hein  

NLP sur Twitter
 
LSTM sur des stocks
 
NN sur des data rincées et big comme ma bite  
 
En gros ça se résume à ça mais tout le monde trouve ça fantastique    
 
(Plus sérieusement 50kmh, je suis Quant Buy-Side, je vais commencer par le cours de maths pour ML d'Imperial College sur Coursera et enchainer par le cours d'Andrew Ng, je pense que pour un PM c'est plus que largement suffisant)

Ah oui j'ai oublié le Image Recognition sur las famosas données satellites pour compter combien de péquins sont venus acheter leur PQ au magasin du coin le mois dernier

Ca me fait penser à un papier que j'ai vu passer, ou les mecs tracaient un graph des valeurs d'une action, et appliquaient un réseau de neurones convolutionnel sur l'image du graph    
Les financiers toujours au top  

 
         
 
En vrai c'est chaud d'être recruté chez les banques / hedge fund stylés
 
Alors que ça a l'air un peu rincé quand même  

Meme chose sur Bitcoin:
https://github.com/philipperemy/deep-learning-bitcoin

Oui enfin là ça ressemble plus à un expert Deep Learning qui s'essaie à la finance.  
 
Parce qu'on peut rigoler des financiers qui s'essaient au ML, n'empêche que l'inverse est tout aussi risible et donne lieu à des papiers sacrément bas de plafond

 
tg le comptable