Datascientist

Le travail

Un data scientist se situe entre la statistique et le logiciel : il construit des modèles qui prédisent, classent ou recommandent, puis les fait tourner là où ils influencent vraiment une décision. Le métier tient moins au modèle qu’aux questions qui le précèdent : ce que tu cherches vraiment à prédire, et si les données dont tu disposes peuvent y répondre honnêtement.

Une journée type

• 01Nettoyer et explorer un jeu de données avant de lui faire confiance
• 02Construire, tester et valider un modèle prédictif
• 03Communiquer l’incertitude à des gens qui veulent un seul chiffre
• 04Surveiller la dérive d’un modèle déployé au fil du temps

Comment on y entre

• Diplôme quantitatif

  La statistique et l’informatique sont les voies les plus directes ; la physique, l’économie et les mathématiques appliquées marchent aussi.

Comment ça se déroule

1. DiplômeStatistique, informatique, mathématiques ou une science avec beaucoup de travail quantitatif.
2. Années 1-3Construire et valider des modèles sur un problème bien défini, cadré par quelqu’un d’autre.
3. Années 4-8Cadrer le problème toi-même, et porter un modèle dont dépend une vraie décision.
4. Plus tardData scientist principal, ou passage à l’ingénierie du machine learning.

Y a-t-il du travail là-dedans ?

Les parties difficiles

L’essentiel du travail n’est pas la modélisation, c’est nettoyer et comprendre des données que personne n’a correctement documentées, et il est courant de passer des semaines à prouver qu’une idée prometteuse ne tient pas. Un modèle subtilement faux est pire qu’un modèle qui échoue visiblement, parce que personne ne s’en aperçoit avant qu’il ait déjà pris de mauvaises décisions.

Ce qu’il te faudrait

• Statistiques
• Python ou R
• SQL
• Expliquer l’incertitude simplement