Changez de carrière, devenez Data Scientist ! (Ou pas?)

Source : Kaleidico

Vous vous intéressez au métier de Data Scientist mais vous ne savez pas comment choisir votre formation ? Dans cet article, nous avons recensé les questions les plus récurrentes et nous vous proposons quelques critères pour vous guider dans votre choix.

Les vidéos en ligne sont-elles suffisantes pour devenir Data Scientist ?

Si vous n’avez jamais fait de la data avant, suivre des MOOC et des cours en ligne n’est pas suffisant. Mais ne vous inquiétez pas ces formations fournissent tout de même des compétences utiles qui seront des ajouts de valeur sur votre profil LinkedIn et votre CV.

Le problème vient des formations, qui pour la plupart, ne vous confrontent pas à des problèmes réels auxquels les entreprises doivent faire face.

Pour rendre votre profil plus attrayant, il faudra trouver une formation qui justement propose de vous confronter à ces types de problèmes pour montrer que vous saurez gérer des situations complexes ou des situations avec des données en désordre, peu fiables ou encore difficiles d’accès. Votre parcours de formation doit être en mesure de vous proposer des expériences immersives et collaboratives pour développer vos compétences techniques mais aussi vos capacités sociales qui seront au service du travail collaboratif. Le Data Scientist étant en interaction permanente avec les différents acteurs, internes et externes, de la chaîne de valeur, le développement des soft skills est primordial.

Comment bien choisir sa formation ?

Pour s’assurer un meilleur apprentissage, il est important de choisir une formation avec une large partie dédiée au cas pratique. En effet, le machine learning requiert beaucoup de programmation et cela s’apprend uniquement en pratiquant encore et encore jusqu’à ce que cela soit maîtrisé.

De plus, il est essentiel de choisir une formation incluant des projets. Une nouvelle fois l’intérêt va être de pratiquer pour mieux apprendre : ce qui est communément appelé le Learning by doing. L’intérêt des projets est de coder les modèles appris soi-même, tomber sur des erreurs en testant les modèles et les corriger.

Un autre conseil est de choisir, si possible, une formation où les formateurs peuvent évaluer votre travail. L’avantage est que les formateurs peuvent voir des axes d’amélioration à votre travail et vous expliquer comment progresser.

La formation doit, en plus des compétences techniques, permettre le développement des soft skills. L’esprit critique, la capacité à communiquer, la proactivité, la curiosité intellectuelle, … sont autant de compétences indispensables pour résoudre les problématiques liées au métier du Data Scientist. Veillez à ce que votre formation propose une pédagogie de projet pour développer vos soft skills.

Listes des MOOC en lignes sur Edx, Coursera et Udacity
Bien que les cours en ligne ne remplacent pas la pratique et le retour d’expérience d’une formation directe, ils peuvent être utiles pour s’exercer ! Voici une liste non exhaustives des MOOC recensés par KDnuggets.

Comment avoir une bonne expérience ?

Il n’y a pas de solution miracle. Ce qui peut être une bonne expérience pour une personne peut être une mauvaise expérience pour une autre. Nous allons donc vous proposer des pistes que vous pourrez explorer à votre guise.

Une première piste à explorer est le stage. En effet, s’investir dans un bon stage dans une bonne entreprise peut avoir un impact positif énorme sur votre carrière. Attention quand on dit “une bonne entreprise”, on ne parle pas de sa popularité mais plutôt de sa faculté à se concentrer sur l’accompagnement de ses stagiaires et bien partager ses expériences pour une montée en compétence efficace

Une deuxième piste à explorer est la formation en entreprise. Cela permet d’ouvrir de nombreuses portes pour votre carrière et permet d’apprendre rapidement. Aussi, la loi “Choisir son avenir professionnel” de septembre 2018 intègre une nouvelle modalité de formation, l’ AFEST qui permet aux entreprises de valoriser les expériences apprenantes de manière formelle et élargir les compétences de ses collaborateurs.

Ces deux premières pistes vous permettront d’apprendre des pairs et de leurs expériences, selon nous il s’agit de la meilleure façon d’apprendre.

Source : Tim van der Kuip

Une autre piste est d’élaborer des projets personnels. Les entreprises recherchent des candidats qui sont capables de penser comme un data scientist et donc qui soient capables de programmer. Ils veulent voir vos travaux, que vous avez résolu des problèmes, les données que vous avez utilisées et avec quel code vous avez résolu ces problèmes.

Si vous avez déjà une idée du secteur d’activité où vous voulez devenir data scientist, nous vous recommandons d’aller sur Kaggle pour trouver des bases de données liées à votre secteur d’activité sur lesquels travailler. Autrement, des projets plus personnels, comme une application qui prédit les résultats de matchs de votre sport préféré est également une bonne chose. Dans les deux cas, il s’agit d’avoir des projets sur lesquels discuter lors des entretiens.

Avant de devenir Data Scientist

Avant de prendre le tournant pour devenir data scientist, certaines choses doivent être dites. Apprendre la Data Science et la programmation passe par une courbe d’apprentissage relativement élevée et les personnes qui apprennent lentement risquent d’avoir des moments difficiles avant d’avoir le déclic.

De plus, un data scientist DOIT avoir envie de toujours en apprendre plus et NE PAS ÊTRE CONTRE le changement car il travaille dans un milieu qui évolue continuellement et qui est vite frappé par l’obsolescence des compétences.

On ne va pas se le cacher, ce n’est pas simple voire même frustrant parfois. Donc avant d’investir des mois de votre vie, SOYEZ SÛR que vous voulez vraiment devenir data scientist.

Mais rassurez-vous, que vous deveniez data scientist ou pas, nous croyons fortement que les connaissances acquises en data science vous seront bénéfiques dans le futur, et vous permettront de mieux comprendre les technologies avec lesquelles nous vivons.

Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Medium, Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !

Cet article a été inspiré par : How to make a successful switch to data science career de Julia Di Russo!

Kickstart your Data Career and become a Data Rockstar. www.datarockstars.ai

Kickstart your Data Career and become a Data Rockstar. www.datarockstars.ai