Reprise du message précédent :
Des gens font le salon du Big Data à Paris ?  
 
C'est une bonne idée de réseau.

Généralement oui mais cette année, je crains de faire l’impasse...

 
Je pense y aller une journée également.

Au taffe on est privés de salon (et de bureaux aussi en fait   ) j'imagine que ça répartira quand un vaccin Covid 19 (moins controversé) sera disponible ...

Dire que j'ai failli partir sur une thèse sur Wasserstein, de l'optim et des GANs  

En vrai je suis venu sur ce topic avant de faire mon M2 de stats mais j'ai finalement largement préféré les cours de stats maths théoriques et de méthodes nums en probas à mes cours de ML/DS

Disons que je squatte encore par habitude ici

Cuisine ou science, il faut choisir!

Certaines cuisines enseignées par certains cuisiniers sont de la science
 
Un peu de nuances dans ce monde que l'on veut binaire

https://xkcd.com/2347/
 

Bordel, je tiens un stand virtuel deux heures pendant l'événement  

 
Ahah, force à toi.
 
Je pensais y aller mais vu la situation sanitaire, on va ptet rester au chaud.

 
 
Je pose mon drapal, j'implémente du ML dans l'industrie

 
Es-tu
HEUREUX ?

 
De ce que je fais techniquement oui, le problème c'est plutôt les gens qui croient que je suis magicien et le management qui comprend pas vraiment ce que je fais J'imagine que c'est un peu le cas de tout le monde qui travaille dans un département hors IT?

Drap, j'aime tellement les termes marketings pour 90% des entreprises

Une étude intéressante sur les emplois du secteurs, leur rémunération et les technologies utilisées

Très intéressant en effet. Les salaires sont dégueulasses même dans cette branche, c'est déprimant. Le salaire moyen de Chief Data Officer fait peur quand on pense que c'est censé être le rôle clé...
 
Sinon, la domination de Python vs R est assez folle. Encore assez récemment, les deux étaient utilisés à parité...

Bah, pour une médiane c'est pas si bas.
En plus, je sais pas à quel point on peut faire confiance aux titres, vu l'inflation récente et aussi le fait que n'importe qui est peut-etre Vice-President ou CTO dans une start-up

Je les voyais plutôt dans les 150k les CDO... Ceux que je connais sont dans ces ordres de grandeur en tout cas.

 
 
Mais on ne parle même pas des chercheurs dans  cette étude: C'est nul

Parce que les chercheurs ont un salaire fixe

Ah je me disais aussi  
 
   

C'est logique

Les graphs sont horribles, obligé de passer dessus pour avoir les valeurs ...

Sinon 90K la médiane pour un CDO

J'ai du mal avec ses enquêtes car quand je vois comment les entreprises parisiennes nomment des data scientists pour pas faire de data science et comme certains se nomment CDO alors qu'en fait ils sont juste des managers.

Par exemple, on va dire de quelqu'un qu'il est CDO mais que pour un certain périmètre data, du coup pour moi c'est pas ce que j'appelle vraiment le CDO de l'entreprise.

Le vrai CDO, celui qui est à la tête de la stratégie data et qui est au meme niveau qu'un CFO, il est pas à 90K.

J'ai eu 3 CDO dans ma vie au-dessus de moi, ils avaient le double en fixe très facilement.

Par contre sur les technos, j'aurais bien voulu voir quels packages sont les plus utilisés pour la data manipulation car je vois 15% de Spark MLIB, je me dis que les volumes de data traités sont pas foufous et que la plupart bossent en mode driver et pas distribué.

edit doublon

Non mais les banques d'investissement US c'est encore plus le traquenard : le moindre chef d'équipe même dans l'IT devient "vice president of ..."

Et ca me parait pas déconnant qu'à partir de gens contactés via LinkedIn les TPE / PME soient sur représentées (avec des salaires bien plus faibles que leur pendants des grosses structures).

A mon avis glassdoor sera plus représentatif en ciblant précisément des structures "similaires à"

Le machine learning automatisé va-t-il remplacer le data scientist ?

non

Ça va permettre à des personnes pas data scientists de tester des modèles naïfs pour voir si il y a quelque chose d’exploitable dans leurs données.  
 
Après pour certains cas simples la performance du modèle naïf sera peut-être suffisante mais bon...
 
Il va quand même falloir un minimum de compréhension de ce qu’il se passe dans l’arrière boutique pour être capable de l’exploiter, donc un minimum de compréhension de la data science.

Les managers qui se disent "ils commencent à me couter cher ces data scientists"  

Ça offre aussi des perspectives à un paquet de boîtes qui ont monté un datalake / stratégie data mais sans arriver à en tirer de l'innovation ni d'exploitation sérieuse ... Parceque zéro budget pour se payer une équipe de data innovation digne de ce nom ni créer la traction nécessaire pour accueillir et retenir des talents  

J'utilise ces outils pour mes démos client et c'est super pratique (le plus long c'est de collecter et mettre en forme la donnée). Pareil j'ai des clients datascientists qui aiment bien les implémenter sur les cas les plus répandus pour se concentrer sur les cas plus pointus suffisamment rentables (qu'ils devraient renoncer à explorer sinon) et sur le legacy qui demande souvent de l'attention.

Bref un énième outil bien pratique mais qui ne remplace pas une équipe et des talents comme à chaque (r)évolution annoncée  

Sur le fond, l'AutoML, je trouve ça pas mal. La valeur ajoutée d'un data scientist sur l'optimisation d'hyperparamètres, par exemple, étant quasi nulle...
 
J'y vois quand même deux inconvénients :

• ça produit des modèles impossibles à interpréter avec des features complètement alambiquées ;
• ça consomme une quantité délirante de ressources, pas étonnant donc que ce soit les acteurs du cloud qui poussent ces technos

"L'autoML" ou le machine learning du machine learnig, bientôt on va faire du machine learning pour trouver les meilleurs algos pour entrainer automatique des algos d'apprentissage automatique ?

Il faut pas paniquer, ya 95% des métiers qui peuvent se faire automatiser bien avant qu'on développe de "l'autoML" qui marche sans un data scientist qui comprends un minimum le truc.

A moins que ce que vous appelez "ML" c'est faire des camemberts plots sous excel

Je ne vois pas en quoi c'est surprenant... La plupart des tâches telles que le feature engineering, l'optimisation des paramètres ou la comparaison de modèles peut être automatisée. Ce n'est pas du "ML sur le ML", juste de l'automatisation. Automatisation qui est d'autant plus simple que les techniques sous-jacentes n'ont rien de complexe.
 
Sur le volet feature engineering, il reste possible pour un être humain de faire mieux en injectant de la connaissance métier (en gros, une traduction mathématique du ressenti des équipes terrain) mais c'est vraiment à la marge.

Et après comment voulez-vous qu'on nous prenne pas pour des escrocs bordel.

Sinon si dans ton entreprise tu résumes le travail de ton data scientist à du machine learning, bah c'est pas un DS que tu as mais un Machine Learning Guy (ou Engineer).

Un Data Scientist, sa plus grande faculté c'est de savoir répondre avec la data aux problématiques business d'une entreprise (le métier), savoir extraire des insights là où un Data Analyst est limité car il est dans une fonction de reporting.

Et pour répondre à ces problématiques, le ML c'est juste une réponse disponible parmi d'autres des outils pour le DS ... on oublie vite que y'a les statistiques avancées paramétriques, les stats non paramétriques, les modèles économétriques explicatifs avec des hypothèses à maitriser pour éviter de dire n'importe quoi, etc...

Pour le AutoML, perso je ne fais plus que ça, j'utilise Azure Machine Learning Studio en ce moment et c'est tellement plaisant, coder son pipeline ML de A à Z, un calvaire que je ne supportai plus

Et j'aime bien les petites features qu'on peut trouver ailleurs mais ici plus User-Friendly comme le fait d'avoir l'historique de tes modèles à disposition et pouvoir revenir à un ancien modèle que tu trouvais plus performant ou qui répondait mieux à tes besoins métiers.

doublon

Bof pour la consommation de ressources on parle de minutes ou d'heures de calcul sur une ou quelques machines (si besoin d'accélérer l'entraînement et que le dataset est suffisamment volumineux pour le justifier) et à l'arrivée on a entraîné un modèle prêt à partir en prod pour quelques euros (aller centaines d'euros si le dataset est vraiment énorme et la liste des features longue comme un jour sans pain ). Modèle qu'on peut exporter pour l'inférence sur des machines tout à fait raisonnables (avec ou sans GPU et sur des machines hors cloud d'ailleurs)

Pareil avec l'export des modèles et l'accès / tuning des hyperparametres en plus les outils qui affichent ce qui a été déterminant pour le choix ( les parties d'images pour les services de vision notamment) pour ne pas se retrouver pieds et poings liés avec du cloud ou avec quelque chose d'inexploitable (overfit and co)

Après pas d'erreur : l'expérience me montre plutôt que plus on cherche à faire soi-même et plus l'impact est important sur la consommation d'infrastructures (ce qui fait mes affaires au final   ). Les services pré-optimisés dont la consommation est variable par nature (cycles d'entraînement, ingestion et inférence de données qui présentent des pics d'activité) sont souvent (tout le temps ?) beaucoup moins chère sur des équivalents au service d'auto ML autoscalables.

This  

Perso on va commencer a utiliser Valohai c'est vraiment vraiment stylé comme outil.