Merci pour la vidéo, très instructive. C'est important ce genre de vidéo, surtout pour des gens qui souhaitent évoluer dans la data. Étant une jeune industrie c'est très dur d'avoir une vision du marché quand on débute. Et comme tu le dis très bien dans tes vidéos, les choses évoluent très vite ! Je le remarque à mon niveau de junior les missions de data scientist cachent de plus en plus une grosse partie de data engineering. Je conseil maintenant aux aspirant de se renseigner sur les métiers de mlops, enfin des data scientistes qui peuvent industrialiser les modèles.
Bonjour ! Vidéo très intéressante. Pour un junior qui débute sa carrière sur un poste de Data Analyst et qui a un parcours formant des D. Scientist, ca donne a réfléchir. Merci beaucoup. PS : vous ne faites plus de coach en DE car même si je débute sur un poste de DA, je compte m'orienter vers du DE ?
Je ne suis pas d’accord forcément avec tous les arguments régulièrement la modélisation de la data est nécessaire dans l’avenir pour réussir une stratégie data, faire de la data eng que pour le BI, c’est une première phase, normalement les phases de transition de data engineering sont naturelles dans tout projet Data. Le métier de Data Scientist est plutôt à mon avis fort pour ajouter de la valeur à la donné, l’intégration dans le cycle de vie d’un produit est très importante, mais la modélisation reste essentielle, c’est ça l’exploitation des données aux services d’un domaine particulier. Ça peut prendre du temps mais je pense que c’est fondamentale, et puis bien apprendre à être proche des solutions industrielles pour éviter une double boucle de codage (PoC - Indistrialisation) mais à mon avis c’est possible il s’agit des outils et méthode bien appliquée
Bien au contraire, je trouve le metier de Data scientist plus fort, vu quils peuvent toucher à tout ,ce qui nest pas forcément le cas du Data Engenieur. Le Data scientist ,ce nest pas que du code,mais surtout de l'analyse et ça,meme si tu as tout comme methodes de machine, tu dois comprendre ce que tu analyses, surtout statistiquement. Et chacune des données, parle différemment les une des autres.
Ici Hidden Technical Debt in Machine Learning Systems by Google : proceedings.neurips.cc/paper_files/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf
n'importe quoi , Bien au contraire, je trouve le metier de Data scientist plus fort, vu quils peuvent toucher à tout ,ce qui nest pas forcément le cas du Data Engenieur.
Salut , je vous remercie énormément pour tes vidéos, malheureusement c’est devenu très dur de trouver un stage dans ces métiers.
Merci pour la vidéo, très instructive. C'est important ce genre de vidéo, surtout pour des gens qui souhaitent évoluer dans la data. Étant une jeune industrie c'est très dur d'avoir une vision du marché quand on débute. Et comme tu le dis très bien dans tes vidéos, les choses évoluent très vite ! Je le remarque à mon niveau de junior les missions de data scientist cachent de plus en plus une grosse partie de data engineering. Je conseil maintenant aux aspirant de se renseigner sur les métiers de mlops, enfin des data scientistes qui peuvent industrialiser les modèles.
Merci pour ces informations !
Bonjour ! Vidéo très intéressante. Pour un junior qui débute sa carrière sur un poste de Data Analyst et qui a un parcours formant des D. Scientist, ca donne a réfléchir. Merci beaucoup.
PS : vous ne faites plus de coach en DE car même si je débute sur un poste de DA, je compte m'orienter vers du DE ?
Ça commence à 1:22
🤣🤣🤣🤣🤣
Tu peux faire une vidéo sur machine learning ingénieur ?
A quoi va servir les data scientist après la tâche des DE ?
Si les data scientistes font le travail des data engineer en entreprise , n'est pas à dire que ce sont plutôt les data engineer qui sont en danger ?
Non, parce que la plupart des data scientists n'ont pas les compétences de faire du travail de data engineers
Je crois que avant les data scientist était comple(il était forcé à être complet car le métier était très flou)
Aujourd'hui je ne sais pas
Et data analyst ?
Bonjour Willis quelle certification tu recommenderais à un data scientist débutant ?
Je dirais: associate -dell et IBM data engineer
Merci@@samiiyalaoui3571
Baki ?
Le retour bientôt ! 🥊 😂
tu es revenu du Japon ?
Haha oui, et depuis un moment. Mais, j'ai l'idée d'y passer plus que des vacances 👀 !
Je ne suis pas d’accord forcément avec tous les arguments régulièrement la modélisation de la data est nécessaire dans l’avenir pour réussir une stratégie data, faire de la data eng que pour le BI, c’est une première phase, normalement les phases de transition de data engineering sont naturelles dans tout projet Data.
Le métier de Data Scientist est plutôt à mon avis fort pour ajouter de la valeur à la donné, l’intégration dans le cycle de vie d’un produit est très importante, mais la modélisation reste essentielle, c’est ça l’exploitation des données aux services d’un domaine particulier.
Ça peut prendre du temps mais je pense que c’est fondamentale, et puis bien apprendre à être proche des solutions industrielles pour éviter une double boucle de codage (PoC - Indistrialisation) mais à mon avis c’est possible il s’agit des outils et méthode bien appliquée
Trop de mouvements de visages Frère😤
Bien au contraire, je trouve le metier de Data scientist plus fort, vu quils peuvent toucher à tout ,ce qui nest pas forcément le cas du Data Engenieur.
Le Data scientist ,ce nest pas que du code,mais surtout de l'analyse et ça,meme si tu as tout comme methodes de machine, tu dois comprendre ce que tu analyses, surtout statistiquement.
Et chacune des données, parle différemment les une des autres.
Comment retrouver le schéma du cout caché du machine learning ?
Ici
Hidden Technical Debt in Machine Learning Systems by Google : proceedings.neurips.cc/paper_files/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf
Jai eu ce probleme, apres l architecture, bref basta finito
n'importe quoi ,
Bien au contraire, je trouve le metier de Data scientist plus fort, vu quils peuvent toucher à tout ,ce qui nest pas forcément le cas du Data Engenieur.
Merci mais Trop de musique en arrière plan