Le sujet tombe à pic car je viens d'être embaucher en tant que data scientist.
Je viens d'une filière purement scientifique. J'ai toujours aimé programmé pour le plaisir, mais ça fait 2 ans que je me suis pris de passion pour les données. Voici donc mon expérience sur le sujet.
La formation
Comme cela a été dit, data scientist regroupe beaucoup de métiers différents qui n'ont parfois rien à voir entre eux : il y a des spécialistes de big data, de data mining, de machine learning, de data viz, ...
Mais il faut bien commencer quelque part. Pour ça, comme cela a été dit, l'apprentissage via des MOOC a plusieurs avantages : des cours structurés, des exercices, une certaine liberté de temps et un document qu'on peut afficher sur un CV. De plus pour commencer, la plupart des MOOC sur le sujet sont assez généraux pour permettre d'aborder plusieurs thèmes (comment lire des données, les nettoyer, les traiter, construire des modèles, ...), ce qui permet de voir ce qui plait dans l'analyse de donnée. Il y a plein de plateformes différentes sur lesquelles je suis mes cours, certaines étantes payantes, d'autres non :
edX (pour l'apprentissage des stats, je recommande le cours "PH525.1x Statistics and R for the Life Sciences" où j'ai enfin compris d'où sortais cette p-value, oui je reviens de loin en stats)
datacamp
coursera
udacity
La pratique
Les exercices que j'ai pu faire en suivant des cours en ligne ne m'ont certainement pas suffit pour maîtriser les outils que j'ai pu apprendre. J'ai donc participé à des concours en ligne sur l'analyse de donnée et en particulier kaggle qui est très connu dans le milieu. Mon conseil la dessus est de te créer un compte si ce n'est pas déjà fait et de faire les premiers problèmes proposés qui possèdent des tutos. Tu vas pouvoir ensuite améliorer tes programmes au fur et à mesure et participer à des challenges un peu plus compliqués.
Kaggle permet aussi de voir le code des autres participant. Et même si ce n'est pas facile au début, lire le code de quelqu'un d'autre et essayer de le comprendre font également parti de l'apprentissage (du moins de mon point de vue).
Il existe d'autre plateformes qui proposent des exercices :
- topcoder pour les data-science
- codingame pour l'algorithmie
- project euler pour algorithmie et maths
Un autre exercice qui peu plaire à un recruteur c'est de se faire un projet personnel. Ouvre un compte sur https://www.data.gouv.fr/fr/, récupère des données qui te tiennent à cœur et analyse les. Publie ensuite les résultats dans un journal ici, sur github, ton site perso, ou tout autre plateforme qu'un recruteur pourra consulter.
Par exemple, un projet que j'ai fait quand j'ai commencé, a consisté à récupérer les données des vélos en libre service de la ville de Seattle (parce que j'y ai passé un peu de temps) et essayer de prédire si à une date et une heure donnée, un vélo sera disponible à une certaine station.
La recherche d'emploi
D'après mon expérience, oublie les filières de recrutement classique car oui il y a des offres mais c'est là aussi où il y a le plus de réponses aux offres. Personnellement j'ai été recruté via un forum, parce que ça a été l'occasion pour moi d'avoir un recruteur directement un face à face et de montrer que mon projet professionnel tenait la route.
J'ai eu plusieurs pistes par angel.co qui regroupent pas mal d'offres dans ce domaine (à l'étranger notamment).
Il sera aussi plus dur d'intégrer une grosse boîte. J'ai eu un entretien pour travailler chez Veolia et j'ai eu une réponse assez franche : dans les grosses boîtes, les profils recherchés sont généralement très spécifiques et ils vont donc chercher des candidats avec un profil ciblé (des écoles de stats, des personnes avec de l'expérience dans un certain domaine).
En revanche, les PME recherchent des personnes qui vont savoir être polyvalentes, et savoir où chercher l'information, ce que tu auras appris à faire en apprenant sur le tas.
En tout cas je te souhaite bon courage, En étant déterminé il n'y a pas de raison pour que tu n'arrives pas à tes fins.
# Retour d'expérience
Posté par denrou . En réponse au message [Métiers] Data ?. Évalué à 3.
Le sujet tombe à pic car je viens d'être embaucher en tant que data scientist.
Je viens d'une filière purement scientifique. J'ai toujours aimé programmé pour le plaisir, mais ça fait 2 ans que je me suis pris de passion pour les données. Voici donc mon expérience sur le sujet.
La formation
Comme cela a été dit, data scientist regroupe beaucoup de métiers différents qui n'ont parfois rien à voir entre eux : il y a des spécialistes de big data, de data mining, de machine learning, de data viz, ...
Mais il faut bien commencer quelque part. Pour ça, comme cela a été dit, l'apprentissage via des MOOC a plusieurs avantages : des cours structurés, des exercices, une certaine liberté de temps et un document qu'on peut afficher sur un CV. De plus pour commencer, la plupart des MOOC sur le sujet sont assez généraux pour permettre d'aborder plusieurs thèmes (comment lire des données, les nettoyer, les traiter, construire des modèles, ...), ce qui permet de voir ce qui plait dans l'analyse de donnée. Il y a plein de plateformes différentes sur lesquelles je suis mes cours, certaines étantes payantes, d'autres non :
La pratique
Les exercices que j'ai pu faire en suivant des cours en ligne ne m'ont certainement pas suffit pour maîtriser les outils que j'ai pu apprendre. J'ai donc participé à des concours en ligne sur l'analyse de donnée et en particulier kaggle qui est très connu dans le milieu. Mon conseil la dessus est de te créer un compte si ce n'est pas déjà fait et de faire les premiers problèmes proposés qui possèdent des tutos. Tu vas pouvoir ensuite améliorer tes programmes au fur et à mesure et participer à des challenges un peu plus compliqués.
Kaggle permet aussi de voir le code des autres participant. Et même si ce n'est pas facile au début, lire le code de quelqu'un d'autre et essayer de le comprendre font également parti de l'apprentissage (du moins de mon point de vue).
Il existe d'autre plateformes qui proposent des exercices :
- topcoder pour les data-science
- codingame pour l'algorithmie
- project euler pour algorithmie et maths
Un autre exercice qui peu plaire à un recruteur c'est de se faire un projet personnel. Ouvre un compte sur https://www.data.gouv.fr/fr/, récupère des données qui te tiennent à cœur et analyse les. Publie ensuite les résultats dans un journal ici, sur github, ton site perso, ou tout autre plateforme qu'un recruteur pourra consulter.
Par exemple, un projet que j'ai fait quand j'ai commencé, a consisté à récupérer les données des vélos en libre service de la ville de Seattle (parce que j'y ai passé un peu de temps) et essayer de prédire si à une date et une heure donnée, un vélo sera disponible à une certaine station.
La recherche d'emploi
D'après mon expérience, oublie les filières de recrutement classique car oui il y a des offres mais c'est là aussi où il y a le plus de réponses aux offres. Personnellement j'ai été recruté via un forum, parce que ça a été l'occasion pour moi d'avoir un recruteur directement un face à face et de montrer que mon projet professionnel tenait la route.
J'ai eu plusieurs pistes par angel.co qui regroupent pas mal d'offres dans ce domaine (à l'étranger notamment).
Il sera aussi plus dur d'intégrer une grosse boîte. J'ai eu un entretien pour travailler chez Veolia et j'ai eu une réponse assez franche : dans les grosses boîtes, les profils recherchés sont généralement très spécifiques et ils vont donc chercher des candidats avec un profil ciblé (des écoles de stats, des personnes avec de l'expérience dans un certain domaine).
En revanche, les PME recherchent des personnes qui vont savoir être polyvalentes, et savoir où chercher l'information, ce que tu auras appris à faire en apprenant sur le tas.
En tout cas je te souhaite bon courage, En étant déterminé il n'y a pas de raison pour que tu n'arrives pas à tes fins.