À retenir
- Un bon data scientist ne se contente pas de construire des modèles. Son travail exige aussi de bien définir les problèmes, de communiquer et de faire preuve de jugement d’affaires.
- Les projets comptent parce qu’ils montrent comment une personne gère des données imparfaites, des objectifs flous, des compromis et l’explication de ses résultats aux autres.
- Les conseils de carrière en IA restent utiles lorsqu’ils se concentrent sur les fondements : les statistiques, la programmation, le travail avec les données et une pensée claire.
Cet article résume une entrevue avec Kashyap Barua [1], un data scientist expérimenté. Les questions les plus posées viennent de la communauté Learn AI Together sur Discord [2].
Courte introduction
Kashyap Barua est un data scientist professionnel qui travaille chez MiQ [3]. Son parcours est surtout axé sur l’informatique et l’ingénierie, qu’il a étudiées au Kalinga Institute of Industrial Technology [4]. Il a aussi obtenu de nombreuses certifications sur Coursera [5] afin d’améliorer ses compétences en apprentissage automatique et en science des données. Mais comme il l’expliquera, il existe de nombreuses façons différentes d’entrer dans le domaine de la science des données. Être ingénieur n’est absolument pas une exigence!
La science des données est un domaine très vaste, et la porte d’entrée reste assez mystérieuse pour beaucoup de gens. J’ai donc demandé à notre communauté quelle serait la première question qu’elle aimerait poser à un professionnel de la science des données si elle avait la chance de lui parler. Bien sûr, toutes les réponses sont subjectives et reflètent le point de vue de Kashyap Barua, mais elles sont très intéressantes et répondront certainement à plusieurs de vos questions!
Elles pourraient même vous aider à décider si vous choisirez ou non la voie de la science des données! Mais assez parlé, allons-y tout de suite!
L’entrevue
Kashyap répond ici aux 12 questions les plus posées par notre communauté sur le domaine de la science des données.
1 : Qu’est-ce que la science des données?
Dans son ensemble, la science des données est un domaine interdisciplinaire qui utilise les mathématiques, le sens des affaires et les algorithmes pour résoudre des problèmes à partir de données structurées et non structurées.
2 : Qui est un data scientist?
Un data scientist est une personne responsable de recueillir, d’analyser et d’interpréter de grandes quantités de données. On s’attend à ce qu’un data scientist connaisse les techniques statistiques, les langages de programmation et différents outils de visualisation afin de comprendre les données et de résoudre des problèmes d’affaires.
3 : Un doctorat ou une maîtrise est-il nécessaire pour être embauché dans une grande entreprise, ou les compétences suffisent-elles, par exemple des victoires sur Kaggle, des projets personnels, etc.? (Question de Sowjanya)
Pour être honnête, les entreprises n’exigent pas obligatoirement un doctorat ou une maîtrise pour vous embaucher. Certaines peuvent demander ces diplômes avancés, mais la majorité ne les exige pas. Je vous recommande d’utiliser des plateformes en ligne comme Datacamp, Coursera et Udemy pour mieux comprendre ce domaine. Vous pouvez aussi bâtir votre profil avec des participations à Kaggle et des projets personnels, ce qui vous aidera à vous démarquer des autres candidats.
Note de l’auteur : Kaggle est une plateforme extraordinaire. Elle regorge de cours gratuits*,* de tutoriels et de compétitions*. Vous pouvez participer aux compétitions* gratuitement et créer une équipe pour travailler avec des gens extraordinaires. La compétition vous donne un problème à résoudre ainsi que les données nécessaires. Il vous suffit de télécharger les données, de lire la description du problème et de commencer à programmer immédiatement! Vous pouvez même gagner de l’argent avec ces compétitions, et c’est un excellent ajout à votre CV*. Il s’agit peut-être de la meilleure façon d’acquérir de l’expérience tout en apprenant beaucoup gratuitement. Et même de gagner de l’argent!*
4 : Quels sont les meilleurs projets à inclure dans votre portfolio pour obtenir un premier emploi en science des données? (Question de Rephawl Roriz)
Il existe des tonnes de projets qui peuvent vous aider à bâtir votre profil de data scientist. Mais encore une fois, la science des données regroupe un grand nombre de tâches, par exemple le nettoyage, la collecte et la visualisation des données, ou encore la modélisation. Selon ces catégories, vous pourriez choisir des projets comme l’exploration des données du marché des cryptomonnaies Bitcoin, la prédiction de l’approbation de cartes de crédit ou l’analyse textuelle du profil Twitter d’une personnalité connue. Vous trouverez beaucoup d’autres sujets de projets à l’adresse https://www.datacamp.com/projects/.
5 : Quel est le meilleur langage de programmation pour commencer à devenir data scientist? (Question de Deep)
Mon favori est R. Le marché ne privilégie pas R par rapport à Python. Selon leur cas d’utilisation, certaines entreprises cherchent des gens qui connaissent R et d’autres, Python. Je peux toutefois vous recommander Python, puisque beaucoup de packages sont mis à jour pour ce langage et que ses packages de visualisation sont aussi assez extraordinaires. R convient davantage aux statistiques ou aux travaux axés sur la recherche, tandis que Python permet de transformer votre travail en produit et de l’intégrer à grande échelle aux autres outils de votre organisation.
Mais la leçon la plus importante de ma carrière est que vous devriez apprendre SQL et en faire une priorité dès le début. Toutes les entreprises s’attendent à ce que les data scientists ou les analystes de données sachent utiliser SQL pour structurer les données. R et Python viennent ensuite.
6 : Quels sont les critères de sélection des recruteurs? Quelles compétences recherchent-ils? (Question de Sowjanya)
La majorité des recruteurs cherchent des compétences en SQL. Chaque organisation utilise quotidiennement du stockage de données. Vous devez pouvoir extraire les données de ces sources avant même d’effectuer la moindre manipulation ou modélisation. Les entreprises diffusent chaque jour des To de données, qui ne peuvent pas être utilisées directement avec R ou Python. Vous devez donc agréger les données dans la forme la plus pratique, et c’est là que SQL devient nécessaire.
En plus de SQL, les recruteurs s’attendront à ce que vous connaissiez R ou Python, ainsi qu’un outil de dashboard comme Power BI, Tableau ou Metabase.
7 : Comment commencer à lire des articles scientifiques et trouver les meilleurs lorsqu’il en existe une quantité aussi énorme dans le domaine? (Question d’Avhijit)
Bonne question, Avhijit. Après avoir travaillé sur 7 articles scientifiques et les avoir publiés sous mon nom, je pense avoir une bonne réponse. J’ai commencé à publier des articles en 2016, et j’ai appris que vous devez avoir un sujet solide avant de commencer à écrire. Vous devez savoir ce que vous voulez faire ou approfondir avec de nouvelles recherches. Je sais qu’il existe des millions d’articles, mais une fois votre sujet choisi, ce million devient quelques milliers. Lorsque vous précisez le sous-sujet, ces milliers deviennent une centaine, et ainsi de suite. Vous disposez alors de centaines d’articles parmi lesquels choisir et à comprendre avant d’écrire le vôtre. Par exemple, je voulais comprendre le commerce de détail et écrire un article sur ce domaine. J’ai commencé par parcourir 30 articles différents sur l’innovation et la recherche dans le secteur du commerce de détail. C’est à ce moment que j’ai eu l’idée de proposer mon propre framework et que j’ai commencé à écrire mon premier article.
8 : Quelle est habituellement la première tâche confiée à un data scientist immédiatement après son embauche? (Question d’Anab Akhtar)
Un analyste ou un data scientist qui arrive dans une entreprise ne commence pas immédiatement à analyser les données, à modéliser ou à prédire. Le professionnel doit d’abord entrer en contact avec toutes les personnes-ressources pertinentes au sein de l’entreprise afin de comprendre ses activités. Le data scientist doit comprendre le fonctionnement de l’entreprise, sans quoi les données seules n’auront aucun sens. Il doit s’aligner sur les résultats d’affaires et les objectifs de l’équipe ou de l’entreprise. Une fois qu’il comprend le terrain, il examine toutes les sources de données, leur apparence et le type de données stocké dans chaque base de données. Dès que vous êtes prêt pour la production, vous commencez à écrire vos propres scripts pour analyser d’énormes quantités de données et les interpréter. La modélisation et la prédiction arrivent plus tard dans le travail.
9 : Une personne provenant d’un domaine autre que l’informatique peut-elle entrer en science des données? Si oui, que doit-elle apprendre pour y arriver? (Question de Salman)
Un aspect intéressant de ce domaine est que vous pouvez devenir data scientist peu importe votre diplôme et les matières dans lesquelles vous vous êtes spécialisé. On s’attend à ce qu’un data scientist connaisse certains outils et certaines technologies avant son embauche, notamment les statistiques de niveau débutant à intermédiaire, SQL, R ou Python. Voilà les bases que vous devez connaître, et le reste devrait ensuite être un peu plus facile. J’ai eu des collègues venant de domaines très variés comme l’économie et la philosophie, entre autres, qui ont commencé comme analystes de données avant de progresser jusqu’au rôle de data scientist.
10 : Qu’est-ce qui vous distingue des autres data scientists? (Question de Haswanth)
Je suis actuellement analyste de produit dans une équipe de science des données. Pendant que les data scientists analysent les données et préparent leurs modèles et outils pour la production, je dois assez bien comprendre leur travail pour suivre les métriques de performance de leurs outils. Je communique avec beaucoup de parties prenantes et de clients afin de comprendre leurs exigences, puis de les convertir dans une forme facile à interpréter pour que les data scientists puissent les utiliser et construire leurs produits en conséquence.
11 : Quelle importance accordez-vous aux statistiques dans votre travail quotidien? (Question de Normalized Nerd)
Les statistiques sont vraiment importantes dans ce rôle. J’ai déjà dû réaliser des tests A/B sur une fonctionnalité d’un produit que nous avions lancé pour notre public. Pour effectuer ce test A/B, il faut comprendre la différence entre l’approche fréquentiste et l’approche bayésienne. Si vous souhaitez utiliser l’approche fréquentiste, vous devez comprendre les nuances du test t et des valeurs p pour pouvoir accepter ou rejeter correctement les hypothèses nulles. Si vous préférez l’approche bayésienne, vous devez connaître les théories des probabilités antérieures et postérieures ainsi que le théorème de Bayes afin de tirer une conclusion des résultats du test A/B. Ce n’est qu’un exemple de cas où des techniques statistiques ont été nécessaires pour mon utilisation. Il pourrait exister de nombreux autres cas et besoins. Les statistiques sont donc très importantes pour ce rôle.
12 : Quelle est la partie la plus difficile du travail en science des données?
L’une des parties les plus difficiles consiste à bien comprendre l’entreprise et les exigences avant de commencer à travailler avec les données. Si une partie prenante vous présente ses besoins, vous devez comprendre exactement ce qu’elle veut tirer des données, puisque vous passerez les prochains jours, ou les prochains sprints, à essayer de résoudre ce problème. Si vous interprétez mal les exigences, toute une semaine de travail sera gaspillée, alors que les entreprises doivent respecter des délais stricts pour accomplir leurs tâches.
Conclusion
Et voilà! J’espère que ces réponses vous ont aidé à comprendre ce qu’est un data scientist et ont peut-être déconstruit certains mythes que vous aviez en tête! Merci encore à Kashyap pour son temps et ses excellentes réponses. N’hésitez pas à communiquer avec lui sur LinkedIn!
Rejoignez la communauté Discord, Learn AI Together. Ces 12 questions les plus posées viennent de nos 5 800 membres passionnés d’IA! C’est le meilleur endroit où partager vos projets, vos articles scientifiques et vos meilleurs cours, trouver des coéquipiers pour Kaggle, poser des questions et bien plus encore!
Photo de Tim Marshall sur Unsplash
Si vous aimez mon travail et souhaitez me soutenir, je vous serais très reconnaissant de me suivre sur mes réseaux sociaux :
- La meilleure façon de me soutenir est de me suivre sur Medium.
- Abonnez-vous à ma chaîne YouTube.
- Suivez mes projets sur LinkedIn.
- Apprenons l’IA ensemble. Rejoignez notre communauté Discord, partagez vos projets, vos articles scientifiques et vos meilleurs cours, trouvez des coéquipiers pour Kaggle et bien plus encore!
Références
[1] Kashyap Barua, data scientist professionnel, https://www.linkedin.com/in/kashyap-barua-4ab640b6/
[2] Communauté « Learn AI Together », Discord, https://discord.gg/learnaitogether
[3] MiQ, consulté le 14 décembre 2020, https://www.wearemiq.com/
[4] Kalinga Institute of Industrial Technology, consulté le 14 décembre 2020, https://kiit.ac.in/
[5] Coursera, consulté le 14 décembre 2020, https://www.coursera.org/
FAQ
Que fait un data scientist?
Un data scientist utilise les données, les statistiques, le code et le contexte du domaine pour répondre à des questions, construire des modèles et aider les équipes à mieux décider.
Quelles compétences comptent le plus en science des données?
Les compétences fondamentales sont Python ou un autre langage d’analyse, les statistiques, le nettoyage des données, la modélisation, la visualisation, la communication et la définition des problèmes.
Comment les débutants peuvent-ils créer un portfolio en science des données?
Créez des projets qui partent d’une vraie question, comprennent des données imparfaites, montrent le processus d’analyse et expliquent la décision appuyée par le résultat.
Quelle erreur revient souvent lorsqu’on apprend la science des données?
L’erreur consiste à passer directement aux modèles avancés avant d’apprendre à poser la bonne question et à examiner les données.
Quel est le lien entre la science des données et l’ingénierie IA?
Les deux exigent du jugement sur les données, de l’évaluation, du code et de la communication, mais l’ingénierie IA ajoute habituellement le déploiement de modèles, les prompts, la recherche d’information et les workflows de production.
Faut-il un diplôme en ingénierie pour devenir data scientist?
Non. L’entrevue présente plusieurs parcours possibles, et les compétences pratiques en données, en mathématiques, en programmation et en résolution de problèmes d’affaires comptent davantage qu’un diplôme précis.