10 raisons de ne PAS devenir Data Scientist.
ฝัง
- เผยแพร่เมื่อ 29 มิ.ย. 2024
- Je vous parle VRAIMENT du métier de Data Scientist, le métier au centre du développement de l'Intelligence Artificielle en entreprise. Et pourquoi ce métier pourrait ne pas vous correspondre.
Les liens :
Instagram : / defend.intelligence
Channel Telegram de Veille Data Science : t.me/+LFjzIVpv3mY5Y2Jk
Twitter: / dfintelligence
Twitch : / defendintelligence
Discord : / discord
Github : github.com/anisayari
#DataScientist #MachineLearning #IntelligenceArtificielle
00:00 : Introduction
00:28 : Raison 1
01:11 : Raison 2
02:10 : Raison 3
04:06 : Raison 4
05:16 : Raison 5
06:49 : Raison 6
08:07 : Raison 7
09:27 : Raison 8
11:35 : Raison 9
13:09 : Raison 10 - วิทยาศาสตร์และเทคโนโลยี
Pensez à partager et à vous abonner ! svp :) Toutes les raisons sont basées sur mon expérience personnelle, et le métier peut changer en fonction de l'entreprise dans laquelle vous êtes. Et vous ? Vous avez des raisons de ne PAS devenir Data Scientist ? (Le lien vers Telegram et le discord dans la description de la vidéo)
Excellente vidéo vraiment !
Je suis en phase de reconversion et je trouve ultra important les points que tu as soulevé.
Je prends des notes et j’espère que j’arriverai à mettre en valeur ces choses là lors de mes premiers entretiens.
Merci :)
Super vidéo comme d’habitude. Le telegram est tres intéressant pour faire de la veille merci!!!
Super vidéo !
Je suis étudiante en économie et c'est clairement de ce genre de conseils et points de vue dont j'ai besoin pour me spécialiser.
Merci de partager ton savoir et ton expérience ! ✌
Elle est top cette chaîne ! Merci !
Très pertinent tout du long, ta vidéo va clairement m'aider à tisser le fil conducteur de mes lettres de motivation et les discours en entretien, merci !
Une excellent vidéo, je suis en train de finir mes études de Data Scientist et c’est super important d’être au courant de tous les points dont tu parles. Merci
Bjr je suis entrant de commencer un master dans ce domaine ..priere de l'envoyer des fichiers pdf ou bien n'importe quel documants qui va m'aider ..merciiiii beaucoup
J'aime beaucoup ta chaine... Je suis passionné de mathématiques et d'informatique et je souhaiterai travailler dans le domaine des données. Ta chaîne est vraiment inspirante.
Merci à toi !
Merci pour cette vidéo , elle est très informative
Tjr aussi intéressantes tes vidéos, merci :)
Super vidéo, merci! De mon expérience, le point clé est la veille et la capacité de vulgarisation. Malgré que la DS soit un domaine à la pointe de la technologie et complexe, les livrables et les présentations des résultats doivent être à niveau de compréhension simple et en alignement avec les besoins business. Un peu de frustration lorsqu’on utilise le dernier modèle à la mode mais que le client s’en fiche. Il faut être orienté Résultat
Tout à fait d’accord !!!
10 raisons de ne pas être Data Scientist c'est en fait 10 raisons de le devenir 😎
C’est une façon de voir les choses 😁
Tant qu’il y aura des masochistes les entreprises se lècheront les babines 🥳🐑
Vraiment très complet et beaucoup de point son très semblable au développement Web !
Merci pour cette vidéo , en essayant de comprendre ta vidéos dans le sens inverse elle ma permit de savoir que c'est ce métier que j'ai envie de faire tout en étant réaliste et comprendre que certains des points que tu as abordé ne sont pas encore des acquis et nécessite donc d'être travaillés.
Merci pour votre explication détaillée et franche. Je songeais à me reconvertir dans ce métier, maintenant je réfléchi encore plus.
Super vidéo ! Pour ma part, j'ai bossé sur des projets data en tant que chef de projet. Je fais également du recrutement pour mon entreprise. J'ai l'impression que la data science est devenue une mode et qu'une partie des candidats se lance dedans sans vraiment savoir ce que ça signifie ou les compétences requises. Mais cela est également vrai pour nous les managers. L'entreprise se transforme avec des orientations data-driven mais on n'acculture pas notre strat de management qui n'y connaît rien... Heureusement c'est en train de changer.
Je te rejoins totalement sur le 10ème point. J'ai eu un data scientist qui ne savait absolument pas vulgariser, quel enfer ! Impossible de savoir où il en est, de comprendre les problèmes qu'ils rencontrent ou de pouvoir lui apporter de l'aide. Et de ce fait, il s'est auto isolé du reste de l'équipe, ce qui était vraiment dommage surtout pour lui.
Quel conseil pouvez vous donnez aux étudiants
Je m'appelle MASSYLLA et je suis étudiant à l'université de Lorraine à Nancy. Actuellement, je recherche un Data Scientist pour une interview sur quelques questions. En effet, dans le cadre de notre projet professionnel portant sur les métiers de l'informatique, nous avons besoin de réaliser une interview avec un professionnel du domaine. Votre aide serait précieuse. Merci.
Bien résumé, c'est exactement ce que j'ai constaté en entreprise! Mais y'a un autre point aussi: je pense que les data scientists les plus expérimentés doivent penser à créer leurs propres boites de consulting ou des startups dans leurs domaines d'expertises pour la simple raison qu'un DS acquis plusieurs expériences durant son parcours (backend, analys, business, IA, ... etc) ce qui est unique pour un informaticien ce qui lui permets d'être vraiment libre de lancer son propre affaire sans avoir besoin de quique ce soit!
Bonjour; je m'appelle MASSYLLA et je suis étudiant à l'université de Lorraine à Nancy. Actuellement, je recherche un Data Scientist pour une interview sur quelques questions. En effet, dans le cadre de notre projet professionnel portant sur les métiers de l'informatique, nous avons besoin de réaliser une interview avec un professionnel du domaine. Votre aide serait précieuse. Merci.
Merci à toi Anis
Merci pour la vidéo
Et bah je connaissais pas Kaggle merci beaucoup pour la découverte !
Tous les points que t'as cité font que je suis persuadé d'avoir bien choisit mon métier de data scientist :)
Merci pour ces retours d'expérience très pertinents et très utiles.
Je trouve qu'il manque un point sur l'éthique là-dedans. En datascience on manipule souvent des données qui sont en rapport avec les utilisateurs ou des populations. L'utilisation de ces données sont soumises à des contraintes légales dont les entreprises elle-même ne sont pas toujours au courant. Le but n'est pas d'être spécialiste en droit, mais je pense qu'il n'est pas rare qu'un employeur demande de réaliser un projet ou une fonctionnalité qui peut être douteuse du point de vue de la loi voir de la morale. La datascience et le machine learning sont des technologies très puissantes et nécessitent donc une réflexion sur le cadre dans lequel elles sont utilisées.
Je pense qu'une des qualités d'un data scientist est aussi de pouvoir avoir un recul ses méthodes et travail et leurs impacts et ne pas en rester à "lol ça fonctionne" ou "je suis prêt à tout pour avoir le meilleur modèle". Une personne qui n'arrive pas à prendre du recul sur son travail n'est peut-être pas faite pour la data science.
En plus des changements technologiques réguliers, c'est la société, les lois et l'opinion publique qui changent; la data science est un domaine à fortes responsabilités. Hors, je termine actuellement mon master (pas en data science mais je suis tout le temps avec des gens qui étudient ce domaine) et j'ai l'impression que très peu en sont conscients. Actuellement les enseignements sont encore très centrés sur la technologie et peu de professeurs essayent de proposer des activités moralisatrices pour nous amener à penser notre rapport "humain-data-machine".
Bref, au delà de l'aspect technologique, la data science est un domaine qui a vu et qui voit encore beaucoup d'abus et de transformations qui accompagnent la société. Pour moi il est impossible d'être data scientist sans avoir une réflexion personnelle l'impact de son métier et sa relation avec la société, ne serait-ce que pour rester à jour sur le long terme.
Excellente video. J'ajouterais que les 10 raisons citées sont aussi 10 raisons de devenir data scientistes. S'il y a de concurrence c'est bon signe, il suffit de regarder les operateurs telephonique Free, Sfr , Orange, etc.... Il y a une vrai demande client sauf qu'il faut se démarquer parmi la foule.
3:41 C'est vrai pour le dev' aussi.
Si quand t'es dev' t'es dans une entreprise où t'es en mode "cahier des charges" et ponds-moi ça, c'est du pissage de code que tu fais, mais oui c'est vrai il y a des entreprises qui raisonnent comme ça (surtout envers les débutants).
Et de la même façon que j'imagine doit y avoir des entreprises qui voient les data scientists comme des mecs qui ne font rien d'autre que "booster" des métriques.
ça fait aussi parti du boulot de dev' d'être embarqué dans les process métiers pour comprendre vraiment ce qu'il se passe et répondre à un besoin, au même titre qu'un data scientist, qu'un graphiste, qu'un UX, qu'un UI, etc.
J'ai répondu en vidéo du coup :P
th-cam.com/video/dRBF8HjI5_4/w-d-xo.html
Salut, vidéo très pertinente. Je voudrais savoir si tous ces arguments sont aussi valable pour la data analyste.
Desole pour le clavier qwerty...
Super video ! Merci encore pour ces informations...
Je suis tout a fait d'accord avec les points abordes ! Le point 10 il est tres interessant et je pense qu'il s'acquiere avec l'experience, comme les autres points bien entendu. Je vois que meme si ca fait quelque temps que je fais du traitement automatique en langage naturel (text et audio inclus). Je suis loin de connaitre encore tout. Mais je suis content d'avoir le sentiment de progresser dans la vulgarisation.
Les points importants(dans l'ordre): Capacite a vulgariser = apprentissage continu (vulgariser les dernieres innovations, etre a l'etat de l'art), la polyvalence, rigueur scientifique(reproductibilte des resultats, methodologie et demarche scientifique), comprendre ce que l'on fait (analyse des donnees: pourquoi, comment), livrables...
C'est que mon avis, mais les qualites humaines sont importants et peuvent faire parfois faire la difference. On ne peut pas etre expert si on n'arrive pas a vulgariser et a repondre clairement a la problematique metier...
Je finirais par dire ( experiences, experiences, experiences ...) Sans experience on ne peut pas s'ameliorer( j'enfonce une porte ouverte ahah)
Merci pour ton partage de ton expérience !
Il faut effectivement être à fond de bout en bout, ça parait simple dit comme ça, mais ne pas perdre la motivation en cours de route (ou au moins être capable de la retrouver) malgré ces contions ce n'est pas donné à tout le monde, même pour ceux qui le souhaitent ardemment
Yep parcours d’élite ingénieur gnagnagna blablabla….liste d’exigences à rallonge, stress, limite faut penser/rire/manger/pisser/chanter/bêler data scientist 24h/24 7j/ 7 faire un post doctorat tu es au coeur du nerf de la guerre du développement stratégique de l’entreprise mais bin…et après t’es payé une misère 😂🎉j’en connais aussi qui se font blanchir et crémer l’a*** ça rentre plus facilement et c’est moins douloureux 😅🐑🐑🐑🐑🐑🐑🐑🐑🐑🐑🐑🐑🐑
T'as trop raison !
Super ta video... je suis informaticien et je voudrais me lancer dans le cloud (faire des certifications...) que me conseilles tu ?
Mais c’est aussi pareille pour les web analyste ou c’est différent ?
Très bonne vidéo sur un sujet très très complexe.
De plus je pense que ces points ne sont pas propres au métier de datascience
Helllloo. !! MERCI POUR LES ÉCLAIRCISSEMENTS !
-- UNE question : Par exemple dans le cas où il s'agit d'un médecin spécialiste de santé publique, finalité épidémiologie et biostatistique qui a besoin de rendre plus puissant son domaine d'étude, vue que meme l'épidémiologie moderne doit obligatoirement intégrer l'intelligence artificielle. Et etre médecin épidémiologiste et etre un généraliste dans la data scient dans le but de pouvoir faire et modéliser des meta_anlyses, il y'a de plus en plus des données big Data. Donc une spécialité du data scientist dans le domaine santé publique (purement médicale, car pour pouvoir y interpréter certains résultats il faut tout de même être un medecin).
?? Quel est votre avis sur ce point svp ?
Savoir comprendre et se faire comprendre des non initiés, ça aussi c'est important, et pas que pour les data scientists :)
Merci pour cette vidéo, elle a déjà 2 ans mais ça me cause car ce sont les questions que je me suis posée il y a peu. Je suis en pleine reconversion à 48 ans 😂 background en code php sql Java, 3D, direction des opérations en PME (international) et direction marketing dans le domaine du luxe (international), j’ai 30 ans de carrière full autodidacte, je n’ai pas le bac…. Je n’ai eu de cesse de me former (merci internet! Déjà en 98 à décortiquer les forums hehe) , je suis en train de passer des certificats pros pour valider mes acquis et compléter mes compétences pour la data science , je suis une buse en math, cursus littéraire inachevé … enfin je croyais, je viens de me mettre dessus et j’adore autant que le code qui me passionne depuis mes 8 ans (atelier code en primaire dans les 80’s instit mega geek 😂) grosse découverte les maths, grosse surprise ! Pour mon avenir pro ( ouais la retraite c’est pour dans + de 20 ans lol, je suis large pour tester une autre passion) je mise sur mon expérience en business, marketing et coding d’applications web sur mesure (du coup les architectures et les bdd ça me connaît aussi) pour être dans la course malgré mon âge. Je ne vais pas être salarié non plus, j’ai presque toujours travaillé à mon compte et je pense rester prestataire tout en créant des projets pour les 2 industries que je connais le mieux. Et de toute façon je vis sur une île au milieu du Pacifique donc à moi de fomenter la transition vers le data mindset ici et travailler en full remote pour plus d’expertise et d’expériences, je risque pas de postuler chez meta ici 😂. Pour conclure, ne pas se mettre des barrières du style “je suis nulle en math, je suis trop vieille…” , les maths ça s’apprend et si on aime le code on a la logique pour les math et vice et versa je pense, et l’âge = expérience dans des industries ou l’on peut apporter un gros plus dans une équipe plus technique + compétences de manager et team builder + business mindset expérimenté. Et oui la vraie clef c’est la passion. ❤ Merci pour ta chaîne je découvre et je vais dévorer !
Rien à voir mais c'est toi qu'on voyait sur TF1 sur le champ de Mars ? J'ai cru te reconnaître.
Sinon je trouve cette vidéo très bien. J'avais visionné une vidéo au sujet similaire en anglais. Le métier m'intéresse toujours autant mais mon métier actuel aussi. Il me faudrait une deuxième vie 😁
Top vidéo 😊
🫡
Très bien
Merci
Y'a aussi le problème que c'est un domaine ou c'est presque impossible de trouver un boulot de data scientist quand t'es junior ou sortant de formation
J’aimerai faire dans la Data science mais je dois faire mon université à l’extérieur de mon pays et j’aimerai avoir plus d’information sur le sujet pour mieux me mouler dans le domaine.
Merci pour la vidéo
Franchement je sais pas ce que je fais la. Les maths me font chier ( exempté la géométrie ) l'ordi c'est du divertissement, et je boss en extérieur.... mais j'adore ta chaîne c'est extrêmement intéressant !
Ce sont des 10 raisons qui m'encouragent de devenir datascientist
Évitez le data science si vous êtes nul en math optez pour le data analyste
j'aime l'apprentissage continu
👌🏼
Ce n'est pas un travail pour moi très clairement ! Mais être curieux c'est quelque chose qui touche énormément de professions, tout comme être en formation continue.
je veux faire un stage au canada de data sintist de 6 mois fin d.étude comment merci
Alors, c'est normal que cette vidéo m'a donné encore plus envie d'être data scientist 😅
Ah moi aussi
Je suis vraiment intéressé par le métier et j'essaie de collecter toutes lez informations pour y parvenir
Très bonne vidéo. Mais tu nous fais un test au point 2 non ? 😉 600 candidatures pour 3 annonces ça ne fait pas un taux d'intégration de 0,5%.Tu exclues de ton set d'annonces toutes celles qui existent et que ton organisation ne voit pas. Par contre le nombre d'annonces de data scientist a été divisé par 2 en trois ans. La plupart des organisations ne voit pas l'intérêt du data scientist (en fait elles ne lui permettent pas de bosser correctement)
Pour moi, le point où il faut apprendre continuellement est à appliquer dans tout le domaine de l'informatique. Bien que certains secteurs connaissent une courbe maintenant plus lente, des nouveautés apparaissent bien trop souvent pour rester fermer dans son coin, ne pas faire de veille.
Il faut donc être CURIEUX.
Oui ! C'est aussi pour moi LA QUALITE principale de toute personnes dans la Tech.
Tous les domaines, peu importe le domaine. Ne pas évoluer, dans un monde qui évolue, c'est régresser.
Raison 1 : Le SALAIRE. Faites de la finance et management, les épiciers incompétents techniquement gagnent beaucoup mieux !
Ah vraiment dommage pour le point 5 ... :-( . J'avais fait un projet en école reconnaissance d'image sur des vrais jeux de donnés et la création du modèle c'est ce qui m'avait le plus passionné.
J'ai une question que penses tu de la formation DataScientest ?
Mais si mêmes les vendeurs de tapis font de la data science on est foutu 😂😂.
@@nyxnix2479 Ah merde vraiment ?
@@ger.1855 🤣🤣
SLT jaimerai devenir un ingénieur en IA ou en robotique c possible qu'on se communique
La raison fondamentale de pourquoi ne pas le devenir est les maths 🤣
quelle est la différence entre data analyst et data scientist ?
merci
Hello ! J’ai fais une vidéo sur ça th-cam.com/video/1pARcazj-Mc/w-d-xo.html
Merci pour tes conseils perso ça m’a conforté dans mon choix de devenir data scientist !
Comment t'as bronzé fréro mashallah
5:27 je me sens visé ahahah. Mais en même temps, deux ans de master à bricoler des architectures de réseaux de neurones en PyTorch pour à la fin ne faire que de la manipulation de données pourries en PySpark, et laisser SageMaker faire toute la partie ML. Il est où le fun??
Peut être qu'ils faut viser le haut du panier pour pouvoir faire ça(je dis ça un peu au hasard, mais j'imagine que les mec qui font le MVA doivent kiffer)
Après les machine learning engineer doivent faire ça non?
Jsuis en licence d'info, j'aime bien récolter les notes de toute la promo et faire des stats. Allez go faire du data
salut j'ai une question, les bails ou tu peux travailler chez Google TikTok... en data science c'est combien de % de probabilité pcq ca me fait rever ce genre de job et compétences ou tu influence 15% de la plantè mais bon si en vrai ce métier est pas si ouf
Il faut éviter de raisonner en probabilité quand quelque chose s applique a toi un nombre restreint de fois, mais oui t es en compétition avec énormément de gens
Je pense que faire un doctorat peut maximiser tes chances .
ouai je sais, là actuellement je crois je vais me réorienter je suis en prépa commerciale, je sais pas si je continue vers une école de commerce qui spécialise en data analyst ou bien je me réoriente vers une licence maths infos appliqués aux sciences humaines@@luxraider5384
Pour tous les métiers on peut faire un 10 raisons de ne pas faire tel ou tel métier.
Vous pouvez nous proposez des idées de projets pour débutants en Data science ?
Demande a chatgpt
Parfaite vérité
Je pense même aujourd'hui le poste data scientist (et tout les postes autour de la data) ne veulent rien dire. Je regarde les offres je passe des entretiens et je le vois bien.
Aussi, je pense que le point 8 s'applique à n'importe quel métier du numérique même en tant que developpeur par exemple il faut apprendre tous les jours.
Bonjour merci pour ces conseils
Moi je suis en complète reconversion et le domaine de la data me passionne vraiment j'aimerais vraiment être suivi pour avoir cette motivation j'apprends vite. Pouvez vous m'aider ?
Hello, n'hésite pas à rejoindre le discord de la communauté pour rester motiver ! :)
@@DefendIntelligence c'est j'ai rejoint sur le nom de Pythagore je me suis présenté et j'ai lu le règlement intérieur
What next 😊
De bonne connaissance en mathématiques c’est un peu cliché! Moi je dirais d’excellence connaissance en statistiques fondamentales et théoriques et optimisation
Moi ça me fume toujours de voir des data scientists qui ne savent pas ce qu'est la variance 😂
Ca existe vraiment ? ^^
@@DefendIntelligence oui malheureusement. Non pas que je juge ceux qui se reconvertissent par le biais d'un bootcamp, mais souvent on leur vend une formation "rapide" pour surfer sur la hype et non pas pour avoir des bases plus ou moins solides, du coup dès la fin de la formation ils veulent faire de la reconnaissance d'images, du NLP ou des systèmes de recommendations. A mon sens la data science c'est comme la médecine, il devrait y avoir un socle commun puis ceux qui veulent une spécialisation choisissent leur voie. Sinon ça devient un gros cafouillis de compétences aussi vastes que peu maîtrisées.
😂😂😂😂😂😂😂😂😂
Quelqu'un connais un site ou un truc du genre gratuit pour apprendre le domaine de la data et de la programmation niveau débutant (je suis au encore au lycée mais je veux former un minimum sur ce domaine)
Je te conseil 2 sites : www.kaggle.com pour apprendre à travailler sur de vrai cas d'usages. Et www.hackerrank.com/ pour apprendre le python :) . Il n'y a pas de cours théoriques dans ces 2 sites, il faudra aller chercher l'information par toi même.
@@DefendIntelligence okok merci beaucoup tu gère tes video mon donné goût pour ce domaine même si je comprends pas toujours c'est vachement intéressant merci
Bonjour monsieur
Raison n°3 : je suis pas d'accord sur ce que tu dis "le côté business vous l'apprenez pas en école d'ingénieur ou en master"
Dans la plupart des écoles d'ingénieur, des cours de gestion et business sont sélectionables par les étudiants, voire parfois obligatoires dans le tronc commun (je pense notamment à CentraleSupelec mais cest loin d'être la seule)
Je suis étudiant en génie logiciel j'aimerais être data scientist quel est le parcours académique que vous pouvez me donner 🫡😎😊
Je suis étudiant en première année 👍
Qu'est ce qu'une métrique ?
il faut que les livrables apportent de la valeur à l'entreprise in fine, c'est souvent ce qui est reproché
Excellente vidéo qui mérite d'être relayée au max! surtout pour ceux qui n'ont que pour référence " the sexiest job of 21th century". krkrkr
Perso je rajouterai qu'il faut être aussi prêt à accepter que la plupart du temps ce sont les méthodes les plus simples qui sont les plus efficaces, pas forcement l "accuracy" mais le time to market + facile à expliquer et à défendre.
On peut être data analyst en étant nul en maths ?
Normalement, non.
C’est très dissuasif. Ma question est pourquoi opter pour un modèle de vidéo dissuasif pour les personnes souhaitant se reconvertir / se former pour devenir Data Scientist ?
C est une mode chez les youtubers tech anglophone de faire ce genre de videos
Oui c'est dissuasif mais c'est mieux de savoir dans quoi on s'embarque, parce que dire tout est beau tout est jolie ça donne une mauvaise idée du boulots.
Hello ! Qu'en est-il du data Analyst ? Est-ce plus ou moins pareil ?
Ce sont deux métiers différents qui ne demandent pas les mêmes qualifications et compétences
C'est pas plutôt "10 mauvaises raisons de devenir data scientist" ?
1:5 beaucoup d'investissement c'est à dire ?
Pour l'argent c'est encore plus vrai lorsqu'on voit la diminution constante du salaire moyen d'un data scientist en dépit de l'inflation (et dans chaque pays). Aujourd'hui toutes les écoles d'ingénieur fournissent des spécialités ou un majeur data science.
Et oui principe de l’offre et de la demande …
15eme com' pour l'algo :P
La première raison suis pas d'accord. On étudie pour gagner l'argent après
Je suis data scientist chez Airbus. Je suis très divisé sur cette vidéo. Est il possible de se parler ?
Hello, tu peux directement utiliser cette espace commentaire pour donner tes retours 😊 n’hésite pas et merci
@@DefendIntelligence je me suis inscrit sur ton discord
Bonjour Éric, je viens de parcourir votre profil LinkedIn et je tiens à vous féliciter pour votre parcours et vous souhaite tout le meilleur dans votre reconversion!
En quelques mots, pourriez-vous évoquer vos points de désaccord avec cette vidéo ?
Je vous remercie
@@samuelledu3182 oui bien sûr. Je trouve les avis trop tranchés. Je suis sur projet avec un cahier des charges justement. Donc c était l un des points dont je voulais débattre. Tout dépend où tu travailles. Il n y aucune vérité
Je suis DS aussi, et je confirme tous les points mentionnés dans la vidéo. Après forcément ça reste des tendances souvent constatées et pas des règles en dur.
Si tu le dis 😂
10 raisons pour le devenir ouais mdr
Désolé mais le but de cette vidéo devrais être d'avertir un publique néofite dans ce domaine et non des personne déjà lancer dans ce projet ou en potentiel reconversion. Avertir c'est en amont qu'on le fait or ici les thermes employés sont destinés à des personnes déjà avertis dans ce domaine. Il n'y as donc pas un grand intérêt dû au fait que cela reste beaucoup trop abstrait et non concret. Si l'on évoque le salaire il faut donner des chiffre afin d'intégrer une corrélation entre parole et acte. Soyez plus direct car pour une personne souhaitant réellement découvrir ce métier sans le connaître dû tout cela n'est qu'un nuage de fumée. Même si je comprends qu'il es agréable de rependre ses connaissances et expériences de ce métier avec des mots et thermes pour une niche " d' afficinados", la cible de cette de vidéo es raté.
10 raisons pour ne pas devenir un mauvais data scientist.
Faux titre contenu biaisé
Pourquoi ?
très bonne vidéo. j'aimerais faire partir de vos groupes sociaux
Merci