Reconversion data/stat

Bonjour,

Difficile à dire dans l'absolu, mais :
- on est en France donc fatalement, les grandes écoles d'ingé donnent quand même les formations les plus prisées sur le marché de l'emploi (vérifie quand même les facs notamment franciliennes, Saclay étant très réputée aussi)
- il faut bien regarder le contenu de la formation pour voir s'il est solide et complet (ce n'est pas si évident, même dans de bonnes écoles/facs, ne serait-ce que par manque d'adaptation aux évolutions techniques rapides de la data science)
- regarde si tu n'as pas moyen de te faire aider financièrement (pense au CPF vu que tu as travaillé, voire au chômage et aux aides à la formation afférentes, quand c'est possible)
- question : quel est ton niveau en maths, notamment en stats ? Pour un M2 en data science, il y a intérêt en gros à savoir faire de l'algèbre linéaire, du calcul diff avec optimisation et bien sûr des probas et stats inférentielles (par ex savoir ce qu'est un max de vraisemblance ou l'inférence bayésienne entre autres). Si tu viens de loin en maths, ça peut être difficile
- mais en fait, avec un profil orienté informatique comme le tien, tu pourrais essayer de te former (peut-être même de façon autonome, vu ton expérience de développeur) à devenir Data Analyst (i.e. faire de la BI, des dashboards, etc.) ou Data Engineer (métier de plus en plus demandé, j'ai l'impression, avec des compétences en Cloud, déploiement, architecture, éventuellement big data, etc). Je pense qu'on n'est pas loin du moment où on aura trop de jeunes Data Scientists par rapport aux offres d'emploi qui recherchent de plus en plus vers des compétences comme celles des Data Analysts et Data Engineers, parfois cachées sous l'appellation Data Scientist (avec la tendance du MLOps, i.e. de la mise en production et maintenance des modèles de ML qui demande davantage de compétences type data engineer au data scientist de base).

Salut

C'est un joli projet de reconversion. Les profils ingé-info sont assez appréciés dans la Data. Généralement plus sur des postes de Data Analyst, Data Engineer, ML Engineer qui demandent des compétences techniques en programmation, architecture, réseau ... comme disait paf. Mais aussi sur des poste plus hybride souvent qualifié de Data Scientist.

Niveau formation, c'est souvent plus confortable de suivre un Master que de se former soi-même.
Le MVA de Cachan est top mais très sélectif. Il regroupe des élèves de 3A de toutes les grandes écoles du plateau de Saclay (X, ENS, Telecom, Centrale, ENSTA, ENSAE,...).
Celui de Polytechnique et celui de l'ENSAE se ressemblent un peu (des cours et des intervenants en commun), même si celui de l'X est un peu une version augmentée de celui de l'ENSAE. Une quinzaine/vingtaine d'ENSAE (cycle ingénieur) le suivent en aménagement de leur 3A pour étoffer leur cursus.
Celui des Telecom est moins un master de "Data Science" à proprement parler mais il est peut être plus adapté à ton profil (fera plus facilement des ponts avec ce que tu as déjà vu). J'en ai entendu de bons échos.
Je pense aussi que tu devrais aller regarder ceux d'autres écoles un peu moins "prestigieuses" (je n'aime pas ce mots, j'aurais pu dire moins "parisiennes") comme l'ENSIMAG ou L'ENSEEIHT qui ont des masters Data plus orientés info.
Mais y a aussi très bons masters universitaires sur le sujet, très bien reconnus en entreprise. Le MDA - StatML à Orsay (où tu trouveras aussi pas mal de 3A venus d'écoles du plateau de Saclay) par exemple. Le M2MO à P7 à aussi intégré pas mal de cours de Data (ça reste cependant un M2 de Probas/Math-FI). J'ai eu de bons échos du DAC à la Sorbonne aussi. Enfin Bref, y a de quoi faire !

Tu as un peu de temps avant la rentrée ! Faire un stage sur le sujet te permettrait de savoir un plus ce que tu veux faire peut-être (à moins que tu aies des contraintes professionnelles évidemment).

@lourran

Bon, travailler la data, quand un a un profil mixte data/info, ça va souvent vouloir dire : utiliser via Python ou autre des librairies de Machine-Learning ou de Stats développées par d'autres.
Pas question de redévelopper ces librairies.

Les librairies sont des des classes (programmation orientée objet). Croit moi, le Data Scientist en créer plein d'autres. Parce que les librairies existantes ne sont pas toujours adaptés, parfois il y a des erreurs, ils peuvent être incomplètes. Et ces librairies ce n'est pas juste "j'appuie sur le boutton et cela tourne".

Ces métiers demandent des compétences, mais plus des compétences de type 'savoir ce qui existe et comment ça marche' que des compétences mathématiques.

Encore faux... En tout cas le marché n'a pas besoin de ce genre de Data Scientists.

Dans ces domaines, les cours doivent être réécrits/complétés tous les ans ou tous les 2 ans,

C'est la vérité et la grosse difficulté.

et je suis un peu sceptique sur la capacité des enseignants en général à réactualiser leurs cours aussi fréquemment.

Les enseignants ne font pas que enseigner. Soit ils sont aussi les DS et pratiquent tous les jours, soit ce sont les chercheurs. Dans les deux cas, il faut bien surveillé la littérature et les articles. Et là sans maths point de salut.
Bon ok, il y a des enseignants qui ne sont pas spécialistes, mais dans ce cas ils disent de grosses bêtises et c'est bien visible, qu'ils ne maitrisent pas la chose.

Mais je ne demande qu'une chose, c'est être contredit.

:-P

lourrran a écrit:

J'ai un peu peur d'un certain paradoxe : quand un cours est bon, on ne le change pas, parce qu'il est bon. Et du coup, il devient mauvais, parce que périmé.

Actuellement les cours de M1/M2 en Stats/Machine Learning ont 3-4 ans d'espérance de vie donc il me semble que ta crainte est infondée. Tu peux regarder sur les programmes des cours du Master MVA par exemple, les références sont toujours très récentes.

Je viens de voir le coût d'inscription au master data science de l'X, c'est 4000 euros . C'est mercantile de demander de tels frais.

Il vaut mieux postuler sur des master avec les frais réglementés de 150 euros annuels.

@zestiria : suite à ceci, c'est pas plus mercantile que de négocier son salaire...

[Edit : inutile de répéter ce que tu peux pointer aisément. (T. P)]