Reprise du message précédent :

 
tg le comptable  

Mon site internet va pas se faire tout seul le pisseur de code  
 
On t'as appris quoi à l'école à part "Si l'ordi marche pas dites à l'utilisateur de le redémarrer"?  

La vrai question c'est pourquoi vouloir un 42 pour faire un front web + un backend applicatif  que n'import quel mec avec un DUT/LPro peux te pondre rapidement si bien encadré pas n'importe quel team leader qui a ~10 ans d'XP dans l'ingénierie logiciel.
 
Sérieusement ?
3-4 BTS/DUT/LPro
1-2 Stagiaire en renfort en bonne période
1 Team Leader Ingé XP++
éventuellement une caution technique dans la techno choisi avec 3/5 d'XP dans le techno.
et le tour est joué t'as ton équipe de dev qui va rouler tout ce qui faux.
 
Si t'as partie product definition est good y'a pas de raison que ça se passe mal en fait.

Tu fais quelle différence fondamentale entre un 42 et un DUT ?  

Justement un mec qui peut bosser hyper bien sans supervisions détaillé c'est vraiment très très confortable quand tu vas très vite.

C'est utile de publier sur arXiv ?    
 
En soi, j'ai fait un truc stylé en stage et qui a de bons résultats sur un problème où y'a pas trop de littérature. Mais y'a pas vraiment de fondement scientifique derrière mon approche, c'est plus "tiens ça vient de sortir, si j'incorporerais ça dans mon algo   "
 
Follow-up question : imaginons que j'ai dev un modèle perso pour résoudre une tâche A en stage. A la fin de ce stage, c'est autorisé de redev un réseau (très) similaire pour résoudre une tâche B et publier les résultats + archi sur github ?  

Ca ne coute rien de le faire, si ta boite est OK avec ca. Si tu as une évaluation solide, y'a pas forcément besoin de fondement scientifique poussé en ML
Mais pourquoi ne pas l'envoyer à une vraie conférence avec du peer-review? Ca aurait encore plus d'impact
 
Je n'y vois pas de problème particulier

Tu l'as développé à titre perso ou en stage ? Les deux me semblent incompatibles... Il existe dans les entreprises une vague notion de propriété intellectuelle et, en général, on fait signer des contrats aux employés, même stagiaires, pour en définir les contours.

Toujours poser la question à sa hiérarchie. J'ai connu un thésard qui nous a plombé un brevet comme ça  

La propriété intellectuelle c'est un sujet sensible pour les boîtes
Même si la boîte te fais signer un papier comme quoi tout modèle développé leur appartient (ce qui n'est pas illégal mais plus compliqué que ça selon le cas qui se présente) tu as quand même le fait qu'en droit français il existe aussi la notion de propriété intellectuelle
En gros, dans le cadre d'un développement d'un outil/modèle, si 1 seule (si 2 voire plus ça ne marche plus) personne a été en charge a 100% du projet, alors celle-ci en a la propriété intellectuelle selon le droit et la jurisprudence française. Et par conséquent, la société bénéficie, de part le papier signé, non pas de la propriété intellectuelle, mais de la propriété d'usage.
Par contre si plusieurs salariés de la boîte participent au projet, alors la propriété intellectuelle va a la boîte.

Et potentiellement tu t'exposes à des poursuites...

 
On a été sympas, y'a pas eu de poursuite ni de véritable sanction... mais les partenaires industriels ont bien fait la gueule on s'est trainés ce boulet un bon moment dans nos relations ...

Je suis d'accord avec le fait que ce soit toujours mieux de demander à la hiérarchie, mais en l'occurence:
- ca me parait ridicule d'exiger d'un stagiaire qu'il se retienne d'utiliser ce qu'il a appris en stage. Alors ok, il a pas le droit d'utiliser le code qu'il a développé pendant son stage, mais si il le réimplémente de zéro, je ne vois aucun problème.  
Si c'est vraiment critique, soit on l'embauche, soit on lui fait signer un contrat de non-concurrence avec limite temporelle, géographique et dédommagement financier
- s'il applique sa technique à un problème différent, ca n'empêche pas un brevet (un algorithme n'est pas brevetable, seule son application l'est)

Et il se passe quoi si c'est la même architecture mais avec 1 couche en plus ou en moins ?    
 
Techniquement c'est différent    
 
J'ai fait ça entièrement solo dans le cadre de mon stage.  
 
@Rontgen, pas de peer-reviewed, j'ai pas assez de contenu pour ça imo
 
Merci des réponses en tout cas

C'est marrant, hier soir un type de ma promo a par erreur envoyé son rapport de stage CONFIDENTIEL à toute la mailing list de la promo  
Il a ensuite envoyé un mail paniqué en nous demandant de pas le lire

À quel moment t'envoie ton rapport confidentiel par mail déjà  

si tu savais

Tu le notes "confidentiel" quand tu veux qu'il soit relu pour un avis extérieur et que personne n'en à envie/le temps ?  

Oh j'ai vu pire de la part d'un responsable de centre de R&D qui a envoyé le rapport de recherche annuel (consolidé avec les 4 centres dans le monde) à un concurrent directement  

 
L’état dans lequel tu dois être quand tu te rends compte de ta connerie  

Il s''est fait virer j'espère.

Non, même pas viré.
Il a expliqué qu'il avait contacté la personne en question, qui était également un ancien camarade de promo (ou autre, je ne me souviens plus) et qu'il lui avait garanti qu'il avait supprimé le mail. J'en doute très fortement, rien que par curiosité tu regarde le truc.
Après, on a tout de même changé de chef 1 an plus tard, il a été muté dans une autre ville, c'est probablement lié
 
J'en reviens pas qu'un document aussi sensible ai pu être partagé par email à des centaines de personnes au lieu de le déposer en lieu sûr.
 

Non mais mec tu as le président us qui Tweet des images secret... À partir de là tous est possible ..  

From Being A Sales Rep To Being A Data Scientist
https://towardsdatascience.com/from [...] b1da79ba3f

Chalut,
 
ça veut dire quoi exactement : " Experience with implementing machine learning algorithms in practice at scale "    
 
Et "Experience with designing data-intensive applications"  

"At scale" ça peut vouloir dire plusieurs choses.

• Ça peut être un déploiement scalable de modèle prédictif, ce qui implique l'automatisation du déploiement de nouveaux serveurs (via des outils tels que Ansible, puppet ou Kubernetes) et la gestion de l'élasticité.
• Ça peut également être l'entraînement d'un modèle sur des systèmes distribués (via MLLib par exemple) lorsque les outils traditionnels comme scikit-learn atteignent leurs limites (en matière de consommation de ressources ou de temps de traitement).

Sur le volet "data intensive applications", on pense généralement à des applications de type ETL (ce qu'on appelle un pipeline dans le langage des data engineers).

 
Merci pour ta réponse complète, effectivement jpense qu'ils font référence à Kubernetes car ils en parlent après.
 
Pourquoi on apprends pas ça à l'école

Trop récent... Et en soi c'est pas super compliqué, tu te formes assez facilement sur le tas.

Savoir exporter un modèle pour inférence et avoir déjà travaillé avec Apache Streams / Storm / Spark. De rien

BlastaaMoof est probablement dans le vrai essaye aussi de trouver les profils LinkedIn des membres de l'équipe qui ont publié cette offre. Tu vas sans doute en savoir plus sur l'écosystème et les défis de leur traitement de données

Le secteur de data science n'est pas hyper concurrentiel par rapport à quant en info ?
Je me dis que comme les M2 qui forment des quant sont des M2 de math, beaucoup délaissent l'info au profit des math et sont même des purs matheux.
Tant dis que lorsqu'on parle de Machine Learning et data science, j'ai l'impression qi'il y aura beaucoup plus de ceux qui ont la passion de l'info depuis leur 6 ans.
 
Qu'est-ce que vous en pensez ?

 
Si c'est très concurrentiel car c'est la mode et toute le monde veut faire ça (beaucoup de gens sur le marché) mais la demande reste forte donc ça va.

Sinon j'ai un call là dans pas longtemps    
 

 
A votre avis je révise quoi ? C'est quoi les fundamentals mis à part de séparer en train - validation - test ?  

A votre avis je révise quoi ? C'est quoi les fundamentals mis à part de séparer en train - validation - test ? [/quotemsg]
Y'a pas des outils indiqués comme indispensables à connaître dans l'offre d'emploi ?

Y'a pas des outils indiqués comme indispensables à connaître dans l'offre d'emploi ?[/quotemsg]
 
Ouaip  
 
Mais là rien à voir c'est un recrutement à l'anglo-saxonne avec batterie de tests de merde qui servent à rien au début (style leetcode etc. )

 
A votre avis je révise quoi ? C'est quoi les fundamentals mis à part de séparer en train - validation - test ?   [/quotemsg]
 
Ne pas faire les pré-traitements en utilisant le train et le validation et le test set ?  

Ouaip

Mais là rien à voir c'est un recrutement à l'anglo-saxonne avec batterie de tests de merde qui servent à rien au début (style leetcode etc. )[/quotemsg]
On doit pas parler des GAFAM alors

 
Hein        
 
Ptn j'y connais rien à la data science sérieux
 
Y'a pas quelqu'un qui en a déjà fait qui peut m'aider lô  

 
Bien se passer, tout va    
 
Juste pour dire que si on utilise une technique supervisée de pré-traitement, ben faut le faire uniquement sur le train et pas sur tout.
 
Désolé ce n'était pas pour te stresser à la base.
Je n'ai jamais passé d'entretien "nouvelle generation" mais pense à dire "je ne sais pas" dans les cas où vraiment tu ne comprends pas la question

 
En plus jvais être collé sur de la data science "vanilla" avec un fichier CSV de mort pour un poste de... deep learning aué    
 
Si tu formates tes données pour pouvoir utiliser un algo, faut bien faire le même formatage sur le test sinon ça va crasher non ?    
 
Ou on parle ptet pas de la même chose, ou je suis ptet plus à l'ouest que prévu