Reprise du message précédent :

 
Ah, pourquoi une telle différence entre conseil et interne ? On m'a toujours donné l'image que les consultants travaillent beaucoup plus longtemps et ont bien plus de désavantage; devoir faire la masse de ppt, l'incertitude entre les contrats ... Est-ce que du coup c'est plus dur, plus compétitif de rentrer en interne dans les banques/assurances ? Les gens de ta promo qui ont trouvé un truc en banque assurance sont plutôt bons ou mauvais ?  

Tu penses qu'au fric en étant encore JD ?

 
Bah non y'a l'intérêt pour la mission, le domaine, l'équilibre vie privée/pro, l'équipe, mais aussi le salaire.  
Je vois pas trop le mal à m'y intéresser

Le salaire en tant que JD n'a aucune importance. Et tu spamm 3 threads avec un focus à 100% sur le salaire. Honnêtement qlaucune différence entre 40k et 45k d'un point de vue niveau de vie

Et tu donnes un peu l'impression d'être jaloux de ton ami

En conseil le salaire est corrélé au montant que tu es facturé au client et sur lequel ta boite se fait une marge, comme c'est un domaine hyper concurrentiel, le prix de facture est très très dépendant de l'offre et la demande et c'est pour ça que globalement toutes les boites de conseil offrent le même salaire pour un JD aux alentour des 38-40K, comme en économie, c'est un peu le salaire d'équilibre.

En interne c'est différent, l'entreprise te rémunère plus à la compétence et le montant est moins soumis à la concurrence des autres entreprises, tout simplement donc il sera plus élevé structurellement.

Sinon évidemment c'est plus dur de rentrer en interne, le conseil a cette réputation de faire entrer comme dans un moulin. Maintenant ceux qui sont rentrés en interne étaient pas forcément les meilleurs en cours mais tu sais y'a des gens qui peuvent être très mauvais en cours et très bons en entreprises et vice-versa sachant que généralement c'est surtout du bancaire qui est fait du côté de mon master, notamment de la réglementation prudentielle et c'est pas très très compliqué .. il suffit d'être correct en SAS et savoir calculer des indicateurs moyens et connaitre la régression logistique.

Hello !
 
J'aimerai acheter un PC pour mes travaux perso en data science (pas mélanger boulot / perso toussa toussa). Le black friday approche.
 
Mes critères mini:
15'
i7 4 coeurs  
8Go RAM
500Go de stockage  
CG nvidia (je fais pas de GPU aujourd'hui, peut être que j'en aurai un jour besoin)
 
Ça vous parait satisfaisant?
Des références à conseiller? (<1000€)

 
Les laptops MSI font peut-être ce que tu cherches, peut-être même mieux. Le plus difficile sera de trouver un i7 new gen à ce prix
 
Par ex : https://www.ldlc.com/fiche/PB00275733.html

A ce prix je conseille d'acheter un fixe. De la data science avec 8GB de ram et sans GPU c'est moyen quand même...

 
Pas forcément d'accord. 16GB et pas de GPU (qui est un luxe pour moi) est largement suffisant pour de la DS perso.
 
L'investissement d'un fixe juste pour de la DS, c'est quand même un peu overkill ou alors tu es un freelance et c'est ton gagne-pain et dans ce cas-là tu joues le bourrin 1 tera de RAM

+1

Alors bien sur ça dépend ce que tu veux faire comme projet mais bon, je trouve que c'est vraiment plus pertinent et agréable de bosser sur un fixe, quitte a s'y connecter en remote depuis un portable
Parce que franchement, avoir un ordi qui ventilé et qui chauffe a mort pendant toute la durée des experiences, c'est pas ouf

Ah oui et 8GB de RAM c'est un peu limite.. j'ai upgradé mon ordi au taff à 64 GB

Après ça dépend ce qu'on appelle "faire de la datascience"
 
Si c'est pour lancer des GridSearch sur 10000 modèles ou juste faire des modèles simples, y'a un monde
 
D'ailleurs à mon taf y'a un DS qui était tout fier d'annoncer qu'il avait lancé une gridsearch qui a duré 15 jours à se faire ... putain 15 jours

Ben par exemple entraîner un réseau de neurones sur une jeu de données de taille raisonnable, ça prend déjà un peu de temps, même sans grid search

Plus gros c'est 5 semaines chez nous

Vivement que les ordinateurs quantiques soient au point. Ils vont exceller pour ce genre de probleme! Pouvoir estimer toutes les solutions en quasi instantané et sortir la meilleure !

C'est méconnaître totalement le principe d'un ordinateur quantique.

On en reparle dans quelques annees ? Les ordinateurs quantique sont plus limités, mais pourraient exceller pour les taches repetitives et independantes (comme les GPU).
Y'a deja des concepts pour faire des simulations de chaines de Markov sur ordinateur quantum. Et c'est la base de pas mal de programme de simulation et analyses statistiques.
http://pages.stat.wisc.edu/~yzwang [...] ng-STS.pdf

Bonjour à tous, je profite de ce topic pour poser ma question :
je suis actuellement en école de commerce (top 5) et j'aimerais m'orienter vers la data science. j'ai déjà fait un stage la dedans + je suis en train de faire une licence de maths appliqués. Ca se fait de rentrer dans le milieu sans école d'ingé ? Un master spé vaut-il le coup (bien qu'après recherche, ils sont cher, il n'y en a pas énormément et je ne sais pas trop ce qu'ils valent pour la plupart)
 
Merci d'avance

Avec ton école tu peux trouver des posts en BI sans problème et si tu veux des trucs plus technique/poussé tu peux surement faire un double diplôme en école d'ingé ou juste un M2 de ml/stats.

 
je suis en M2 c'est trop tard pour les doubles diplômes, et je ne crois pas avoir aucun équivalent avec un M2 ml/stats (il faut au moins un M1 à la fac me semble-t-il).
Connaissez-vous au pire des formations d'un an, voire deux tout au plus (en alternance si possible) qui vaille le coup ?
 

Ms data science de l'ensae, Il me semble possible en alternance

 
Pas besoin de faire une école d'ingé pour être en data science    
 
Après si t'as déjà un stage et que t'es en école de commerce avec une licence de maths appliqués, n'importe quel cabinet de conseil sur Paris te prendras

+1

Après faut voir sur quels sujets on bosse aussi car il va y avoir de sacrées différences de connaissance/compétences/niveau

Même si tu commence pas Directeur de la recherche chez Google, les connaissance et compétences tu les apprends au taf. Je suis passé par 2 écoles du groupe A et les 3/4 des gens ont un taf qui a rien à voir avec ceux qu'ils ont fait à l'école y compris ceux dans le conseil.

En boite de conseil, y'a des mecs qui sortent de l'ENSAI qui sont loin de faire de la modélisation, d'ailleurs en data science la modélisation ça reste 10-20% du travail. Le vrai travail il est dans la qualité de données, les problématiques métiers, etc...

Si tu veux faire vraiment faire QUE du machine learning à base d'optimisation de modèles et faire tourner des gridsearch tous les jours, c'est des postes très rares, ceux qui s'en rapprochent le plus c'est un nouvel intitulé qu'on voit pop qui est "ingénieur machine learning" où ton taf c'est de pipe des modèles, t'es le maillon final un peu car on peut aussi de te demander le déploiement.

Data science c'est encore et toujours fourre-tout en fait et on arrive pas à identifier vraiment concrètement ce que tu vas faire au quotidien, tout le monde pense data science = machine learning alors que pour moi le machine learning c'est une compétence, un outil essentiel au data scientist mais pas forcément essentiel à répondre à toutes les problématiques métiers.

Typiquement en ce moment mon boulot c'est de pouvoir proposer aux commerciaux des bases pour prospecter, tout mon travail c'est un travail de qualité de données, y'a 0 besoin de machine learning pour répondre à ce projet par contre un deuxième projet arrive avec des questions de fraude et là éventuellement le machine learning prendra son sens.

Le data scientist il doit regrouper toutes ces compétences mais leur application est directement corrélée à la question métier c'est pour ça que demander à vouloir faire de la modélisation avant même de connaitre les enjeux métiers, ça n'a aucun sens.  Donc soit tu es prêt à accepter ça soit il faut se spécialiser mais dans ce cas-là on est plus data scientist et on ingénieur machine learning.

Si je dis que l'école d'ingénieur c'est pas utile, c'est parce que 90% du métier tu vas l'apprendre en le faisant le métier, ce que tu apprends au quotidien c'est impossible de l'apprendre autrement et c'est pour ça que ton expérience de stage est tout aussi puissant qu'un mec qui sort d'école d'ingé. A mon taf un mec qui était comme toi avait 4 ans d'expérience en marketing et venait d'école de commerce, il a réussi à intégrer une boite de conseil et à se faire embaucher dans du NLP

C'est une bonne école l'ENSAI ? Je connais un mec qui s'est fait virer de mon école et qui l'a intégré ensuite.
 
Après l'école d'ingénieur c'est surtout pour le CV plus que pour les compétences (pour lesquelles je me forme avec kaggle, des moocs et la fac). Quand je regarde les offres il est presque toujours demandé de sortir d'une formation en maths/stats ou école d'ingés pour ce type de poste. J'ai peur qu'à niveau de compétence égale voire supérieur pour des postes juniors, je me fasse passer devant par des gens ayant uniquement cette mention "ingénieur" ou "mathématiques" sur le CV.

Moi je fais les deux, école d'ingé et cursus de mathématiques à la fac en parallèle

Peut-être plus tard oui mais à l'heure actuelle sur le marché du travail, la concurrence est à 0 sauf si tu vises vraiment un poste précis dans une boîte précise mais si tu cherches à juste faire de la DS, pas de problèmes.

Et d'ailleurs, tu peux être chez EY ou la boite de conseil du coin, chez le client vous ferez la même chose et vous êtes logés à la même enseigne.

Eu....
Oui on peut compter les formation universitaires en math, stat et cs aussi

Je pense que vous oubliez un peu le boulot des data engineer dont c'est le but de bosser sur les données (raffinage, récolte...)
Plus les autres personnes qui bossent aussi autour des datas

Data scientist c'est en effet un fourre tout pour ma mal de monde mais bon si tu prends un vrai data scientist, ça va vite le faire chier de passer 80% de son temps dans les données pour les traiter et non pas vraiment bosser sur les modèles.

Chez nous les data scientists bossent certes sur les donnés mais heureusement pour eux, ils s'amusent davantage avec les modèles.

C'est pour ça que je trouve un poil ambitieux de vouloir être data scientist avec juste une licence de maths. Le niveau que je côtoie c'est plutôt des doctorants ou bien des gars avec un paquet d'années d'expérience sur les modèles et données.

 
C'est ce que je me dis aussi, j'aurais un M2 de Finance en plus avec toujours le nom de l'école associé mais pour la légitimité technique c'est pas vraiment ça. Je pensais peut-être chopper un truc à l'étranger sinon mais difficile de s'y retrouver

 
Ce témoignage ne s'applique clairement pas à ton cas, tu es en 3A. On est plusieurs a te dire que tu n'auras aucun soucis à trouver.
Le monde de data science c'est grand et varié, je côtoie des dizaines de 3A/jeunes diplômés qui taffent dans le conseil, la banque ou startup et tous sur un aspect data science différent et la pluspart n'avait pas touché à python en école ^^ ... la seul chose importante dans ta situation c'est le diplôme, les cours/domaines/connaissances la plus part s'en tapent et contrôle pas.
 
Montre ton diplôme à des entreprise à la Mazard, PwC ou AirLiquide, t'auras aucun problème à rentrer avec ton top 5, trouve des missions an data sciences, apprend tout ce que tu peux pendant 2 ans et tu pourras faire ceux que tu veux après. C'est littéralement ceux que font 1/4 des gens d'écoles d'ingé.

Drap'

 
Pour vous c'est ca le boulot de rêve de data scientist ?

 
Peut-être en IDF, et encore, c'est pas ce que les recruteurs parisiens m'ont dit. En province, il y a vraiment très peu d'offres, les seules qui restent demandent au moins 2 ans d'XP.  
En tant que jeune diplômé c'est chaud de trouver un poste pour débutant. Et pourtant je sors d'une école A, cursus stats, stage data scientist, mais c'est impossible de trouver un poste convenable (sur Lyon).

Oui bien sur je parle en IDF où ça représente je pense 80% de l'offre DS en France sans exagérer.

@Kayou: Un vrai data scientist ? Car y'a des faux data scientist ? On va partir en sketch des Inconnus là

Un data ingénieur c'est bien beau mais y'a deux traitements des données à prendre en compte: le traitement de la donnée "universel" où le daté ingénieur va avoir pour mission de maintenir un datamart à flot et il y a la phase de traitement spécifique à un projet qui reste toujours importante. Après si tu es une plus petite boite, tu peux te permettre sur un seul projet d'avoir tout le maillon de la chaîne mais globalement ça reste rare.

Là où je bosse, on a un datamart spécifique à notre direction et pourtant y'a toujours des recoupages, des traitements à faire etc., le data ingénieur c'est pas Dieu

Et donc c'est comme je disais, si le data scientist ça le fait chier que 80% de son taf soit du traitement/qualité de données, bah qu'il se spécialise car le travail d'un data scientist business (pas r&d), la modélisation ça sera 20-30% du taf, c'est une réalité. Pour faire des choses axés modélisations, il faut aller sur des postes très très précis d'ingénieur machine learning qui commencent à fleurir.

Je trouve ça pas du tout ambitieux de vouloir être DS avec une licence de maths, n'importe quelle boite de conseil acceptera ton profil sans broncher si tu es un bon candidat sur d'autres aspects (communication notamment).

@Rick_C137: Tu serais étonné du nombre de gens qui veulent faire que ça, des modèles des modèles des modèles, perso je comprends pas trop mais chacun a ses goûts.

Merci pour vos réponses, je vais aviser en fonction
J'ai aussi entendu parler d'un master en Data science à l'EPFL. Elle est apparemment plutôt reconnu comme école d'ingénieur. Savez-vous si l'admission se tente en master après une L3 de maths (sachant que les candidatures ferment le 15 décembre pour le master et que je n'aurai aucun -ou très peu- résultat de la licence d'ici là).

Quelqu’un du forum a l’ODSC cette semaine, conférence à Londres?