Lateo.net - Flux RSS en pagaille (pour en ajouter : @ moi)

🔒
❌ À propos de FreshRSS
Il y a de nouveaux articles disponibles, cliquez pour rafraîchir la page.
À partir d’avant-hierDivers

L’intelligence artificielle va entrainer une crise de l’énergie !

Il faut d’énormes quantités d’énergie pour alimenter les serveurs des centres de données des modèles d’intelligence artificielle les plus populaires. Et les besoins en énergie ne font que croitre au fil de leur développement, notamment aux États-Unis, où se trouvent les principaux acteurs des...

La Nasa progresse en essayant de sauver sa sonde interstellaire Voyager 1

Les sondes Voyager 1 et 2 sont des icônes de l'exploration du Système solaire pendant le dernier quart du XXe siècle. Au siècle suivant, Voyager 1 notamment est devenue une sonde du milieu interstellaire, complétant notre savoir. Toutefois, depuis novembre 2023, la sonde ne transmettait plus...

Découverte des plus anciennes peintures de Patagonie, une des dernières régions peuplées par nos ancêtres

Une nouvelle étude révèle que durant 3 000 ans, des artistes de la Préhistoire se sont succédés sur ce site archéologique majeur en Patagonie. Les plus vieilles peintures auraient 8 200 ans. Il s’agirait des plus anciennes connues à ce jour pour cette région du monde.

Meta poursuit sa métamorphose avec l’intelligence artificielle

Après son flop relatif du métavers, changement de stratégie pour Meta. La firme a su rebondir et n’a pas manqué le virage des intelligences artificielles avec son modèle Llama-2 et l’intégration de son chatbot Meta AI ainsi que son générateur d’image Emu. Dans la même dynamique, Mark Zuckerberg...

Des météorites martiennes, des laves crachées dans l'espace par le volcan géant Olympus Mons il y a une centaine de millions d'années ?

Il se confirme que les météorites martiennes sur Terre sont le plus souvent des laves jeunes, c'est-à-dire de quelques centaines de millions d'années tout au plus en général. Or il existe bel et bien des indices d'une activité volcanique sur Mars aussi voire plus récente, comme sur les pentes du...

Evil Week: Everything You Can Find Out About Someone From Public Information

Welcome to Evil Week, our annual dive into all the slightly sketchy hacks we’d usually refrain from recommending. Want to weasel your way into free drinks, play elaborate mind games, or, er, launder some money? We’ve got all the info you need to be successfully unsavory.

Read more...

You Can Get 1TB of Cloud Storage for $120 With This Code

If storage limitations force you to delete files and photos you’d really rather keep, one solution is to invest in a plentiful cloud storage solution—and right now through Oct. 31, you can get a lifetime subscription to Koofr 1TB cloud storage for $119.97 (reg. $810) with code KOOFR.

Read more...

L'âge de la Lune remis en question par les échantillons d'Apollo

L'âge de la Lune est un paramètre important pour comprendre son histoire conjointe avec la Terre. Une étude moderne des échantillons d'Apollo 17 laisse penser qu'elle est plus vieille qu'on le croyait.

How to Opt Out of Data Collection by Data Brokers

Each time you accept the privacy policies and terms of service on any app or website, there’s a chance some of your data is being sold. Information brokers, also known as data brokers, are organizations whose entire business model involves collecting your personal data and selling it to advertisers. This may include…

Read more...

Des empreintes de pas en Amérique datant de 23 000 ans !

De quand date le premier peuplement du territoire américain ? Si l’hypothèse du passage du détroit de Béring il y a 15 000 ans était jusque-là l’hypothèse préférée, la datation, en 2021, de traces de pas avait semé le trouble, suggérant que la présence humaine serait bien plus ancienne. Un âge...

You Can Get a Lifetime Subscription to Koofr Cloud Storage for $120 Right Now

You can get a lifetime subscription with 1TB of Koofr cloud storage on sale for $119.97 right now when you use coupon code KOOFR through Oct. 15. The Koofr 1TB lifetime plan allows you to connect on unlimited desktop and mobile devices, and there’s no upload size limit or file type restrictions. It also integrates…

Read more...

Des humains étaient déjà présents en Amérique il y a 23 000 ans !

De quand date le premier peuplement du territoire américain ? Si l’hypothèse du passage du détroit de Béring il y a 15 000 ans était jusque-là l’hypothèse préférée, la datation, en 2021, de traces de pas avait semé le trouble, suggérant que la présence humaine serait bien plus ancienne. Un âge...

Use the Boxing Method to Take Better Digital Notes

Taking notes by hand is generally preferable to using tech, both because it’s better for retention and also because so many of the best note-taking methods are designed for notebooks. But sometimes, you just need to the utility of digital notes, and if you don’t want to digitize what you’ve already written, you…

Read more...

The Best Ways to Digitize Your Notes

Hand-writing your notes is better for if you want to retain what you’ve learned, but it definitely has drawbacks. Hand-written notes aren’t searchable on your phone, and unlike your phone, your notebook probably won’t always be with you for a quick study session on the bus or train. That’s why, once you’ve written…

Read more...

L’Antarctique enregistre son plus bas niveau de glace de mer : une menace pour le monde entier !

Les modèles ne l’avaient pas vraiment vu venir. La glace de l’Antarctique fond désormais à grande vitesse. Elle vient même d’atteindre la plus petite étendue maximale jamais enregistrée. Un phénomène qui ne restera pas sans conséquence. Des impacts sont attendus sur le monde entier.

Data Science : ces experts de la prise de décision stratégique en entreprise

Par : Claire

Si par le passé la prise de décision en entreprise se faisait avec une bonne dose de flair et de pragmatisme, aujourd’hui elle s’appuie plus que jamais sur des données scientifiques. Nouveau graal des entreprises, le Big Data a propulsé les experts de la data sur le podium des métiers les plus convoités. On les appelle Data Scientist, AI Engineer ou Machine Learning Engineer. Qui sont ces différents professionnels de la Data Science ? Quelles sont leurs spécialités ? Quelles formations mènent à ces jobs d’avenir ? C’est parti pour une plongée au cœur de la Matrice.

La Data Science : une discipline en vogue

En 2012, il est qualifié de « job le plus sexy du XXIe siècle » par la Harvard Business Review. En 2023, il se situe tout en haut du classement LinkedIn des métiers les plus en demande dans le monde. L’expert en IA et en Data Science est depuis quelques années la rockstar du marché de l’emploi et l’un des profils les plus recherchés. En France, une étude de l’OPIIEC  prévoyait une hausse de 59 % des demandes de spécialistes en IA et Data Science sur la période 2019-2023.

Cela n’a rien d’étonnant quand on sait que le volume de données générées à l’échelle mondiale a été multiplié par plus de trente au cours de la dernière décennie. Avec le développement rapide d’outils d’IA génératives, comme ChatGPT ou Dall-e, et des objets connectés : la Data Science a encore de beaux jours devant elle !

Mais qu’est-ce que la Data Science ou « science des données » ? Du fait de son appellation trompeuse, on pourrait penser qu’il s’agit d’observer des données au microscope. C’est presque ça… Il s’agit de traiter, d’analyser et d’interpréter les données pour prendre de meilleures décisions business. Selon Olivier Chotin, consultant et mentor chez OpenClassrooms, « le rôle de la Data Science est de donner du sens à la donnée, afin de créer de la valeur pour l’entreprise ».

La data science permet à toutes les entreprises, des grands groupes de distribution jusqu’aux start-ups tech, d’avoir une connaissance très pointue de leurs clients et des usages qu’ils font de leurs produits/services : qui achète quel produit, à quelle fréquence, dans quelle tranche de prix ? Quel type de promotions fonctionne le mieux ? Quels sont les signaux faibles et les tendances émergentes ? 

Grâce à ces informations précieuses, les entreprises sont en mesure de prendre des décisions optimales, notamment dans les domaines du marketing et de la vente, pour améliorer leurs performances. Mais qui sont ces acteurs de la Data Science capables de transformer des grands volumes de données en or ?

Dessine-moi les métiers de la Data Science

Spoiler alerte : la Data Science ne comprend pas que des data scientists. En fait, c’est une grande famille qui réunit d’autres professionnels aux appellations un peu plus énigmatiques, comme le Machine Learning engineer et le AI engineer. Ces titres vous échappent ? Pas de panique : on vous aide à y voir plus clair. 

Comme nous l’explique Olivier Chotin : « Le data scientist, le Machine Learning engineer et l’AI engineer ont tous comme point commun de mettre en place des algorithmes et de s’appuyer sur les possibilités offertes par le Machine Learning ou le Deep Learning (deux formes d’intelligence artificielle) pour créer des modèles et mieux tirer profit des données. Mais, au-delà de ça, ils ont des domaines de spécialité différents. » Zoomons tout de suite sur ce qui les rend uniques.

Le data scientist, l’interprète de la data

Véritable touche-à-tout, il intervient tout au long du parcours des données – de leur collecte à leur mise à disposition auprès des équipes. C’est un caméléon qui est capable de se glisser, tour à tour, dans la peau d’un statisticien, mathématicien, programmeur, chef de projet et consultant. Dans l’équipe, c’est lui qui collabore de manière étroite avec les métiers ; il se doit donc d’être un excellent communicant.

  • Son rôle ? Récupérer des données brutes, les traiter et les interpréter.
  • Son but ? Rendre une information exploitable et la valoriser pour apporter des réponses aux métiers (ex : marketing, ventes, logistique…). 
  • Ses compétences ? Selon Olivier Chotin : « Ce métier demande des compétences variées : il faut savoir coder, élaborer des modélisations d’algorithmes mais aussi rédiger des rapports et les communiquer aux responsables d’une entreprise… En fait, c’est un vrai mouton à 5 pattes. » Les « social skills » sont essentielles dans ce poste axé sur la capacité à comprendre les besoins, à communiquer des résultats et à travailler de manière transversale avec tous les métiers. Cette vision globale de l’entreprise, couplée à une expertise pluridisciplinaire (ex: algorithmique, statistique, analytique, stratégique…), fait du data scientist un acteur clé de l’entreprise. Un profil idéal pour chapeauter les équipes data.
  • Exemples de projets ? Il peut être amené à traiter les données pour implémenter un modèle de crédit scoring dans une banque et restituer les résultats aux chargés de clientèle sous forme de dashboard. 

N.B : Attention à ne pas confondre le data scientist avec le data analyst. Ce dernier est moins généraliste, et se concentre sur l’analyse de données une fois que celles-ci ont été récoltées et traitées par le Data Scientist. Voilà… Maintenant vous savez !

Machine Learning engineer, l’entraîneur d’algos

Tel un coach qui préparerait un athlète pour une compétition, le Machine Learning engineer entraîne des algorithmes à faire des prédictions ou à automatiser certaines tâches avec toujours plus de précision. La machine « apprend » à devenir meilleure au fil du temps, c’est pourquoi on parle de Machine Learning. Doté de compétences techniques plus avancées que le Data Scientist, c’est un vrai pro des algos !

  • Son rôle ? Entraîner et déployer des modèles d’apprentissage automatiques en utilisant une palette d’algorithmes : supervisés, non supervisés ou encore réseaux de neurones profonds (Deep Learning).
  • Son but ? Faire des prédictions/recommandations et automatiser des tâches.
  • Ses compétences ? « Par rapport au Data Scientist, il est moins orienté métier et est plus pointu sur la conception de modèles auto-apprenants et la mise en place d’algorithmes complexes en Deep Learning », comme l’explique Olivier Chotin. Il doit savoir implémenter une démarche MLOps complète de gestion du cycle de vie des modèles de bout en bout, pour automatiser les processus d’entreprise et améliorer leur efficacité. Ainsi, il doit posséder des compétences avancées en modélisation de données et en architecture des données, maîtriser les langages de programmation (Python, R et Java) et les frameworks de Machine Learning (TensorFlow ou Keras). 
  • Exemple de projets ? Il peut, par exemple, être amené à faire des prédictions pour améliorer les ventes d’une entreprise ou réaliser un moteur de recommandations pour une plateforme de vidéos à la demande.

AI engineer, le connecteur de neurones

À la question « les machines peuvent-elles penser comme un être humain ?», l’AI engineer répond par un grand oui. Pourquoi ? Parce qu’il est capable de créer des programmes informatiques intuitifs qui imitent l’intelligence humaine. Un métier très technique, parfait pour tous les passionnés d’IA qui rêvent d’un monde où humains et machines vivraient (et communiqueraient) en parfaite harmonie.

  • Son rôle ?  Concevoir, mettre en place et optimiser des systèmes d’IA.
  • Son but ? Apprendre aux machines à raisonner comme un être humain.
  • Ses compétences ? Selon Olivier Chotin : « On lui demande autant qu’un ingénieur Machine Learning au niveau technique, mais avec une plus forte spécialisation en intelligence artificielle ». Ainsi, il doit posséder une expertise variée en développement logiciel, programmation, science des données et ingénierie des données. Un profil très complet et de haut niveau, qui doit être en mesure de concevoir et mettre en œuvre des modèles d’algorithmes sophistiqués qui utilisent des réseaux neuronaux (Deep Learning). Il doit aussi avoir de bonnes capacités de communication pour travailler en équipe et expliquer les concepts techniques aux non experts.
  • Exemple de projets ? Il va, par exemple, participer à la conception d’une voiture autonome ou d’un outil d’IA générative comme ChatGPT.

Comme vous l’aurez compris : alors que le data scientist a une approche généraliste et orientée métier, le Machine Learning engineer et l’AI engineer ont des profils plus spécialisés et techniques. Tandis que le rôle du Machine Learning engineer sera de concevoir des programmes auto-apprenants, celui de l’AI engineer sera d’apprendre aux machines à réfléchir comme un être humain. Ainsi, selon votre tempérament et vos affinités (plus métier ou plus technique), il est possible de vous orienter vers des métiers aux spécialités différentes au sein même de la data science. 

Un parcours adapté aux nouveaux enjeux

Après avoir lu tout cela, vous réfléchissez sérieusement à vous former à un métier de la Data Science ? Ça tombe bien : chez OpenClassrooms, nous venons tout juste de lancer une nouvelle version de notre formation Data Science qui comprend trois parcours d’apprentissage distincts. On vous explique…

Vous avez le choix entre trois formations 100 % en ligne : data scientist (9 mois), Machine Learning engineer (9 mois) et AI engineer (12 mois). Que vous soyez passionné de nouvelles technologies, en reconversion ou que vous souhaitiez vous former à un métier d’avenir ; chaque formation est accessible à partir d’un BAC+3 et délivre un titre RNCP de niveau 7.

Co-développées avec des experts du secteur, qui ont mis en commun leurs compétences et leurs expériences, nos formations répondent aux nouvelles attentes des entreprises. Ainsi, les trois parcours intègrent de nouveaux modules sur :

  • La mise en production (MLOps). Avec les avancées dans le domaine du Machine Learning et de l’intelligence artificielle, les professionnels de la data science doivent avoir des compétences techniques toujours plus poussées pour assurer l’automatisation des modèles et leur déploiement à grande échelle. C’est pourquoi, ils doivent être mieux formés aux pratiques MLOps.
  • La gestion de projet. Alors que les équipes data ne cessent de croître et que les projets deviennent de plus en plus complexes, les entreprises recherchent des spécialistes de la data science toujours mieux formés aux méthodes de gestion de projet (Agile et Scrum) ainsi qu’à la gestion des risques, notamment en matière de protection des données et d’éthique.

Pour vous donner une idée plus précise du contenu des programmes de formation, le tronc commun des trois cursus couvre l’ensemble des compétences que tout expert en Data Science se doit de posséder à l’heure actuelle, à savoir :

  1. Préparation des données : collecter, pré-traiter, analyser des données et créer des variables pertinentes (feature engineering) pour l’entraînement d’un modèle.
  2. Élaboration de modèles : concevoir des modèles d’apprentissage automatique à partir de données structurées (ex : noms, adresses, numéros de téléphone…) et de données non structurées (ex : textes et images).
  3. Mise en production : gérer le cycle de vie et le déploiement en production d’un modèle (MLOps) ou d’une application dans des environnements classiques et Big Data.
  4. Gestion de projet/d’équipe : manager des projets IA et de data science complexes en intégrant les contraintes légales et les valeurs d’éthique.

En fonction du cursus (data scientist, machine learning engineer ou AI engineer), vous approfondirez certains enseignements liés à votre domaine de spécialité aux côtés d’un mentor, expert du métier. Des sessions individuelles d’échanges sont même organisées toutes les semaines en parallèle des cours en ligne : de quoi vous aider à dépasser vos blocages, progresser plus vite et surtout rester motivé !

Dernier point (et non des moindres !) : chaque parcours repose sur des projets concrets d’entreprise, qui vous permettent de mieux assimiler les connaissances et de développer rapidement toutes les compétences essentielles au métier choisi. Par exemple, le cursus data scientist comprend 10 cas pratiques, parmi lesquels :  

  • Analyser des données de systèmes éducatifs
  • Segmenter des clients d’un site e-commerce
  • Implémenter un modèle de scoring
  • Réaliser un dashboard et assurer une veille technique
  • Réaliser un traitement dans un environnement Big Data sur le Cloud
  • Réaliser le cadrage d’un projet IA

 

Envie d’en savoir plus ? Découvrez les formations.

L’article Data Science : ces experts de la prise de décision stratégique en entreprise est apparu en premier sur OpenClassrooms : le blog.

De commercial à data analyst : le contact humain, fil rouge de la carrière d’Anthony

Par : Nora Leon

Anthony a 40 ans, habite en banlieue parisienne et a toujours eu le contact facile. C’est donc pendant près de 15 années qu’il a évolué en tant que commercial dans le milieu du courant faible.

La crise du Covid a stoppé son activité mais sans le perturber pour autant, bien au contraire. Antony a su faire de sa période de chômage une opportunité pour envisager une reconversion. C’est lors de la semaine du numérique organisée par Pôle emploi, qu’il découvre les métiers du numérique. La formation de data analyst d’OpenClassrooms lui a tout de suite plu. Interview d’une reconversion réussie. 

Bonjour Anthony, pourriez-vous s’il-vous-plaît nous expliquer s’il votre reconversion a suivi une certaine logique ?

Aussi étrange que cela puisse paraître, je vous dirais que oui !

J’idéalise peut-être le métier de Data analyst, mais pour moi, il consiste à être au cœur de l’entreprise puisqu’on peut travailler avec différents services ; aussi bien les services commerciaux, marketing ou RH. Au-delà d’une parfaite maîtrise des chiffres et de langages techniques, ce métier demande une certaine aisance dans le contact humain. Tout comme quand j’étais commercial.

Il faut que je sois capable de faire parler des chiffres, je ne suis pas juste là pour extraire les données. 

Et quels sont, selon vous, les savoir-faire et savoir-être acquis dans votre formation OpenClassrooms qui vous seront utiles demain en poste ? 

C’est vrai que finalement chaque expérience sert la suivante et ainsi de suite.

Depuis que j’ai commencé cette formation, d’une durée d’un an, je vois bien que je me perfectionne aussi bien à l’écrit qu’à l’oral. On a des soutenances régulières avec nos mentors au cours desquelles je retranscris mes résultats. 

Cela me sera demandé en tant que Data analyst. Je vais devoir savoir faire parler les chiffres et surtout avec un langage accessible pour que n’importe quel public me comprenne. 

Vous parlez de soutenances, pouvez-vous nous en dire un peu plus sur les projets proposés dans le cadre de votre formation ?

Les projets se déroulent en deux parties : la première partie, ce sont des cours vidéo que l’on suit, à son rythme. Quand je ne comprends pas quelque chose, je mets en pause et je vais chercher de l’aide : soit en me débrouillant grâce à Internet, soit sur notre groupe Discord en demandant aux autres étudiants. 

Une fois que j’ai suivi le cours, on passe à la partie concrète avec le suivi d’un projet. C’est comme si nous étions en situation réelle. De projets en projets, je monte en compétences pour avoir les connaissances nécessaires au métier de data analyst. 

Le premier projet était de se présenter, ce qui était facile pour moi, ex-commercial. Le deuxième projet était une analyse de chiffres de vente avec Excel et PowerPoint. Je n’ai pas trouvé ça trop compliqué, à part peut-être la partie sur Excel. Le projet 3 était sur les bases de données relationnelles avec le langage SQL. Je n’y connaissais rien, et puis finalement, on se rend compte que ce n’est pas si difficile. 

Au moment où nous nous parlons, j’en suis au projet 4 et je démarre le langage Python. Je panique un peu, mais dans deux mois, je vous dirai peut-être que c’est très simple. Enfin, je l’espère ! 

Et durant tout cela, vous êtes suivi par un mentor ? Que vous apporte-t’il ?

Tout à fait, je suis suivi par Antoine avec qui j’échange une fois par semaine. Cela se passe très bien ! En même temps, vous l’aurez compris, j’aime le contact humain. 

Il est data analyst de formation, donc il m’apporte son expertise technique avant tout. Quand je bute sur des choses, il ne me donne pas la solution, mais nous réfléchissons ensemble. C’est beaucoup plus stimulant que s’il m’apportait la réponse sur un plateau.

Tout à l’heure, vous nous parliez des autres étudiants qui peuvent être aussi un soutien dans la réussite de votre formation. Vous êtes en lien au quotidien avec eux ?

Nous avons deux espaces d’échange : le Workplace mis en place par OpenClassrooms et le groupe Discord, animé par les étudiants, par niveau et par projet. Cela nous permet de rester en contact virtuellement et de s’entraider ou de se poser des questions. 

C’est toujours très intéressant de voir comment chacun traite un problème, cela permet de comparer nos réflexions et de voir son erreur. Et si j’arrive à aider les autres, c’est que j’ai compris ; cela me rassure.

Il existe une vraie synergie entre étudiants chez OpenClassrooms ! 

C’est en effet une des volontés de nos fondateurs. La transmission est notre leitmotiv. 

Vous faites cette formation à temps complet, auriez-vous une routine à partager ?

Pas spécialement ; à part peut-être le fait de me connecter régulièrement sur notre groupe Discord pour aller chercher de l’aide auprès d’autres étudiants ou, à mon tour, aider ceux en difficulté. J’essaie vraiment de ne pas rester bloqué, tout en y allant à mon rythme. 

Et quelle est la suite pour vous ? 

Avoir mon diplôme, puis travailler dans une entreprise à taille humaine, pour ne pas être qu’un numéro.

Idéalement, j’aimerais rejoindre une société engagée, qui ait un vrai impact sur notre vie quotidienne. Pourquoi pas dans le domaine de l’écologie.

Devenir mentor chez OpenClassrooms me plairait bien aussi. J’aime le contact humain, j’aime transmettre donc cela fait plutôt sens. 

J’ai eu la chance de pouvoir débuter ce parcours au sein d’OpenClassrooms, financé par Pôle emploi. Je me dis que c’est normal de transmettre à mon tour.

C’est beau. Comment aimeriez-vous conclure cette interview ?

Un conseil à tous ceux qui hésitent, foncez ! 

_______________________

Vous envisagez, vous aussi, de vous réorienter en tant que Data analyst ? Suivez la  formation en ligne data analyst en 6 mois, basée sur la réalisation de projets concrets et l’accompagnement d’un expert métier chaque semaine. Ce parcours peut être financé grâce à vos crédits CPF ou effectué en alternance, en doublant le temps d’études.

 

La trajectoire de Nicolas, devenu Data Analyst sans le Bac

Agar, alternante en Data Science chez Sereneo

 

L’article De commercial à data analyst : le contact humain, fil rouge de la carrière d’Anthony est apparu en premier sur OpenClassrooms : le blog.

De commercial à data analyst : le contact humain est le fil rouge de la carrière d’Anthony

Antony a 40 ans, habite en banlieue parisienne et a toujours eu le contact facile. C’est donc pendant près de 15 années qu’il a évolué en tant que commercial dans le milieu du courant faible.

La crise du Covid a stoppé son activité mais sans le perturber pour autant, bien au contraire. Antony a su faire de sa période de chômage une opportunité pour envisager une reconversion. C’est lors de la semaine du numérique organisée par Pôle emploi qu’il découvre les métiers du numérique.

La formation de data analyst de l’école en ligne OpenClassrooms lui a tout de suite plu. Récit d’une reconversion réussie. 

Bonjour Antony, pourriez-vous s’il-vous-plaît nous raconter quelle logique a suivi votre reconversion ?

Je ne suis pas arrivé à ce métier par hasard. J’idéalise peut-être le métier de Data analyst, mais pour moi, il consiste à être au cœur de l’entreprise puisqu’on peut travailler avec différents services ; aussi bien les services commerciaux, marketing ou RH.

Au-delà d’une parfaite maîtrise des chiffres et de langages techniques, ce métier demande une certaine aisance dans le contact humain. Tout comme quand j’étais commercial.

Il faut que je sois capable de faire parler des chiffres et de les partager aux équipes, au-delà d’extraire la donnée.

Et quels sont, selon vous, les savoir-faire et savoir-être acquis dans votre formation OpenClassrooms qui vous seront utiles demain en poste ? 

C’est vrai que finalement chaque expérience sert la suivante et ainsi de suite.

Depuis que j’ai commencé cette formation, d’une durée d’un an, je vois bien que je me perfectionne aussi bien à l’écrit qu’à l’oral. On a des soutenances régulières avec nos mentors au cours desquelles je retranscris mes résultats. 

Cela me sera demandé en tant que Data analyst. Je vais devoir savoir faire parler les chiffres et surtout avec un langage accessible pour que n’importe quel public me comprenne. 

Vous parlez de soutenances, pouvez-vous nous en dire un peu plus sur les projets proposés dans le cadre de votre formation ?

Les projets se déroulent en deux parties : la première partie, ce sont des cours vidéo que l’on suit, à son rythme. Quand je ne comprends pas quelque chose, je mets en pause et je vais chercher de l’aide : soit en me débrouillant grâce à Internet, soit sur notre groupe Discord en demandant aux autres étudiants. 

Une fois que j’ai suivi le cours, on passe à la partie concrète avec le suivi d’un projet.

C’est comme si nous étions en situation réelle. De projets en projets, je monte en compétences pour avoir les connaissances nécessaires au métier de data analyst. 

Le premier projet était de se présenter, ce qui était facile pour moi, ex-commercial. Le deuxième projet était une analyse de chiffres de vente avec Excel et PowerPoint. Je n’ai pas trouvé ça trop compliqué, à part peut-être la partie sur Excel. Le projet 3 était sur les bases de données relationnelles avec le langage SQL. Je n’y connaissais rien, et puis finalement, on se rend compte que ce n’est pas si difficile. 

Au moment où nous nous parlons, j’en suis au projet 4 et je démarre le langage Python. Je panique un peu, mais dans deux mois, je vous dirai peut-être que c’est très simple. Enfin, je l’espère ! 

Vous êtes suivi par un mentor ? 

Tout à fait, je suis suivi par Antoine avec qui j’échange une fois par semaine. Cela se passe très bien ! En même temps, vous l’aurez compris, j’aime le contact humain. 

Il est data analyst de formation, donc il m’apporte son expertise technique avant tout.

Quand je bute sur des choses, il ne me donne pas la solution, mais nous réfléchissons ensemble. C’est beaucoup plus stimulant que s’il m’apportait la réponse sur un plateau.

Tout à l’heure, vous nous parliez des autres étudiants qui peuvent être aussi un soutien dans la réussite de votre formation. Vous êtes en lien au quotidien avec eux ?

Nous avons deux espaces d’échange : le Workplace mis en place par OpenClassrooms et le groupe Discord, animé par les étudiants, par niveau et par projet. Cela nous permet de rester en contact virtuellement et de s’entraider ou de se poser des questions. 

C’est toujours très intéressant de voir comment chacun traite un problème, cela permet de comparer nos réflexions et de voir son erreur. Et si j’arrive à aider les autres, c’est que j’ai compris ; cela me rassure.

Il existe une vraie synergie entre étudiants chez OpenClassrooms ! 

C’est en effet une des volontés des fondateurs. La transmission est un vrai leitmotiv. 

Vous suivez cette formation à temps complet, auriez-vous une routine à partager ?

Pas spécialement ; à part peut-être le fait de me connecter régulièrement sur notre groupe Discord pour aller chercher de l’aide auprès d’autres étudiants ou, à mon tour, aider ceux en difficulté. J’essaie vraiment de ne pas rester bloqué, tout en y allant à mon rythme. 

Et quelle est la suite pour vous ? 

Avoir mon diplôme, puis travailler dans une entreprise à taille humaine, pour ne pas être qu’un numéro.

Idéalement, j’aimerais rejoindre une société engagée, qui ait un vrai impact sur notre vie quotidienne. Pourquoi pas dans le domaine de l’écologie.

Devenir mentor chez OpenClassrooms me plairait bien aussi. J’aime le contact humain, j’aime transmettre donc cela fait plutôt sens. 

J’ai eu la chance de pouvoir débuter ce parcours au sein d’OpenClassrooms, financé par Pôle emploi. Je me dis que c’est normal de transmettre à mon tour.

C’est beau. Comment aimeriez-vous conclure cette interview ?

Un conseil à tous ceux qui hésitent, foncez ! 

_______________________

Vous envisagez, vous aussi, de vous réorienter en tant que Data analyst ? Suivez la  formation en ligne data analyst en 6 mois, basée sur la réalisation de projets concrets et l’accompagnement d’un expert métier chaque semaine. Ce parcours peut être financé grâce à vos crédits CPF ou effectué en alternance, en doublant le temps d’études.

Analyst, Scientist, ou Architect, comment choisir sa spécialité en Data ?

La trajectoire de Nicolas, devenu Data Analyst sans le Bac

Agar, alternante en Data Science chez Sereneo

 

L’article De commercial à data analyst : le contact humain est le fil rouge de la carrière d’Anthony est apparu en premier sur OpenClassrooms : le blog.

Agar, alternante en Data Science chez Sereneo

Par : Nora Leon

Après des études en mathématiques appliquées et une première expérience du travail en tant que freelance, Agar Blohorn a décidé de se spécialiser en data science à 29 ans. Aujourd’hui, elle suit la formation Data Scientist en alternance chez OpenClassrooms. Dans le cadre de ce programme, elle travaille chez Sereneo, une entreprise spécialisée dans la gestion des relations clients. Si vous avez déjà discuté avec un chatbot de support sur un site Web, il est possible qu’il ait été créé par Agar ! Elle revient avec nous sur son parcours et son alternance.

Bonjour Agar ! Qu’est-ce que tu faisais avant cette formation en data science sur OpenClassrooms ?

J’étais en train de préparer mon Master 2 en mathématiques appliquées. Entre-temps, j’ai fondé ma famille et je n’ai donc pas réussi à trouver de travail en parallèle. Je devais faire une thèse, mais je n’ai pas eu le financement qu’il fallait. 

J’ai déménagé en Île de France, car mon mari a trouvé du travail ici et j’ai travaillé un peu en freelance. J’ai écrit des articles de vulgarisation sur le machine learning et les mathématiques derrière la machine learning.

En parallèle, j’ai continué à chercher un travail, sans trouver. J’ai donc décidé de me spécialiser dans la data science avec OpenClassrooms.

Pourquoi la data science ?

D’abord, parce que c’était une voie où je pouvais trouver plus facilement du travail. C’est vrai que je cherchais quand même un domaine qui était assez ouvert. 

Et puis, la data science ça me plaît beaucoup parce que ça touche à plusieurs domaines, plusieurs thèmes de la vie du quotidien.

On peut intégrer les mathématiques aux différentes thématiques de la vie de tous les jours, et c’est ce qui m’attire le plus.

Tu es en alternance. Pourquoi ce choix, comment ça se passe pour toi?

L’alternance était très importante pour moi, parce que justement, quand je cherchais du travail, le problème principal était que je n’avais pas d’expérience.

Donc, il fallait absolument que j’intègre une première entreprise pour pouvoir ensuite trouver plus facilement un CDI ou un travail stable, ou même trouver ma voie professionnelle. 

Même si avec OpenClassrooms, je réalise neuf projets qui sont censés donner de l’expérience et pouvoir prouver à l’employeur que j’ai des bases solides, j’ai préféré prendre l’alternance avec la formation. 

Aujourd’hui, j’ai intégré une entreprise qui est spécialisée dans la gestion des relations clients, Sereneo. Je m’y occupe d’écrire les scripts destinés à être intégrés dans un algorithme pour chatbots (agents conversationnels sur les sites Web, etc). En plus d’écrire des scripts, je fais la aussi de la configuration qui permet à la machine de reconnaître le langage naturel.

Et ça te plaît ?

Oui, plutôt ! Alors pour être honnête, écrire des scripts, c’est super au début mais au d’un moment, ça peut devenir un peu ennuyeux.

Mais ce qui est intéressant, c’est vraiment de configurer avec les composants de machine learning pour voir comment l’outil permet de reconnaître le langage humain. Là, ça devient vraiment passionnant. 

D’ailleurs, pour trouver ton entreprise actuelle, tu as eu un coup de pouce d’OpenClassrooms, le coaching. Peux-tu nous partager ton expérience ?

Oui, bien sûr ! Ma coach m’a beaucoup aidée. Elle m’a permis d’avoir plus confiance en moi et surtout de foncer. On se met souvent des barrières pour rien, parce qu’ensuite, quand on a fait ce sur quoi on bloquait, on se dit toujours que ce n’était pas si difficile.

Ma coach était top, vraiment, je l’en remercie ! Sans elle, je ne sais pas si je serais arrivée à envoyer 25 candidatures par jour… C’était ce qu’elle m’avait demandé. Je me rappelle que je me réveillais à l’aube, parce que c’était le moment où j’étais le plus efficace. Puis je cherchais les annonces et ensuite, vers 8h ou 9h, j’envoyais mes candidatures en masse ! C’était assez marrant, mais c’était dur. 

Un conseil pour ceux qui cherchent une alternance ? 

Si j’ai un conseil à donner, c’est surtout d’envoyer des candidatures. Une fois que la préparation du CV est parfaite, qu’on a une lettre de motivation propre, il faut y aller. Ensuite, il faut changer quelques phrases, quelques paragraphes en fonction de l’offre d’emploi à laquelle on postule. Mais quoi qu’il arrive, il faut envoyer, que ce soit en candidatures libres, par email, par Linkedin, pourquoi pas aussi en allant demander sur place… Il faut passer par tous les moyens, et ne pas s’arrêter ! Et normalement au bout d’un moment, vous devriez y arriver sans aucun problème.

Tu as été accompagnée par deux mentors aussi, pendant ta formation. Peux-tu m’en dire un peu plus ?

Oui, bien sûr ! Au début, j’ai eu un mentor qui m’a accompagnée sur mon premier projet et la moitié du deuxième. C’était quelqu’un de très cadré, efficace ! Mais il a déménagé au Canada et j’ai dû en changer. J’ai donc rencontré un second mentor, qui était très différent du premier ! Il avait une approche plus responsabilisante, moins cadrée. Et justement, il était très complémentaire avec le premier. Il m’a vraiment fait pousser plus loin mes projets et devenir plus autonome.

Être très guidée, c’était parfait au début, parce que j’avais besoin de ça pour être à l’aise. Et après, une fois rentrée dans la formation, il fallait que je j’acquière de l’autonomie. Avec ma deuxième mentor, j’ai été à bonne école !

Est-ce que tu peux nous raconter un peu ce qu’est un projet ? 

Les projets consistent à entrer en immersion dans notre rôle de data scientist. On a un sujet issu d’un scénario professionnel où sont bien expliquées les attentes. Et nous, on essaie, à travers les données qui sont à disposition, de réaliser des analyses et de créer des algorithmes de machine learning pour pouvoir répondre à la problématique de l’employeur. L’objectif est ensuite de vulgariser toutes ces étapes dans un PowerPoint et de le présenter à l’employeur (joué par un mentor validateur qu’on ne connaît pas) de la manière la plus claire possible, avec plusieurs solutions à sa problématique. 

Comment se passe ta formation, le fait d’être en alternance entre tes projets et le travail ?

Dans la formation, je m’éclate, c’est clair, parce qu’on a un champ libre énorme.

Le mentor est là pour nous dire qu’on va dans la bonne direction. Mais ensuite, on est libre d’utiliser les ressources à notre disposition. Par exemple, en data science, il y a des librairies pour le langage Python. Nous sommes libres d’utiliser celle de notre choix, d’apprendre de nouvelles choses, tant qu’on a les bases et les fondamentaux qu’on doit présenter à la fin du projet.

C’est vraiment génial, je pense qu’on ne peut l’avoir qu’avec OpenClassrooms. En entreprise en général, c’est très cadré. On attend quelque chose d’assez précis et donc, à part apprendre de notre côté, en dehors du cadre du travail, c’est un peu compliqué. Mais là, on fait vraiment tout en même temps et c’est super. C’est vraiment une formation intensive. 

Est-ce que tu arrives à jongler avec ta vie de famille ? 

C’est vrai que je suis maman, c’est pas évident. Il faut se fixer des horaires de travail et ensuite tout couper pour pouvoir s’occuper du petit.

Mais je m’en sors, je suis efficace. L’organisation, c’est le nerf de la guerre !

Et donc, la suite après ton alternance, c’est quoi ? 

Je suis dans une entreprise qui va normalement me proposer une thèse. Je ne sais pas encore trop si je vais accepter : comme je suis maman, j’ai envie de sortir du cadre d’étudiant et de rentrer vraiment dans la vie professionnelle. 

Et en plus de ça, j’ai plein d’idées en tête maintenant, parce que la formation m’a vraiment ouvert l’esprit. À l’époque, je voulais uniquement trouver un travail, peu importe ce que c’était ! Je cherchais quelque chose qui me permette d’avancer. 

Maintenant, je vois les choses de manière un peu plus large, je sens que je peux me lancer. Je peux collaborer avec des gens avec qui j’ai parlé pendant ma formation, des gens que j’ai connus sur LinkedIn aussi. 

La personne qui m’a aidée à trouver mon alternance m’a aussi appris à utiliser Linkedin et interagir avec des gens. C’est très utile, car je connais maintenant pas mal de personnes dans le milieu de la data science – je pense que c’est ce qui s’appelle le réseau et ça me sert beaucoup (rires). 

Donc, c’est vrai que la thèse, même si c’est très intéressant, je ne sais pas si c’est ce qu’il me faut aujourd’hui. Mais j’ai encore le temps de me décider.

Maintenant que tu as un peu de recul, quel est ton avis sur OpenClassrooms ?

Je recommande à 100% ! Quand tu as vraiment un blocage, que tu te sens un peu tout seul face à ton projet, dès le premier appel, on te met à l’aise, on t’explique comment ça se passe.

On te dit qu’il y a des mentors qui vont t’accompagner. Et c’est la vérité, ils sont vraiment là, ils comprennent ta personnalité et y vont petit à petit.

Donc, si tu es timide, on va te pousser un petit peu, mais pas trop pour que tu ne sois pas non plus trop perdu. En plus, ton mentor est là pour te rebooster au besoin, à l’aide de plusieurs stratégies. Des choses auxquelles tu ne penses pas forcément : par exemple, “vas-y, essaie tous les moyens, essaie Linkedin, essaie les emailings, essaie les candidatures spontanées…”. Avec ces encouragements, c’est plus facile de s’y mettre.

Au niveau de la formation, c’est aussi génial, parce que comme je le disais tout à l’heure, on a le champ libre dans l’apprentissage. Il suffit d’être motivé, d’en vouloir. Cette formation permet de la liberté, de l’adaptabilité, mais aussi de se trouver soi-même. Ça m’a permis de me connaître un peu plus d’un point de vue professionnel. En plus, c’est en télétravail : on peut donc travailler d’où on veut. 

En tout cas,  quel que soit l’endroit d’où l’on travaille, on est assez accompagné pour ne pas se sentir enfermé dans ce que l’on fait, et ça c’est rare.

_________

La stratégie de spécialisation sur un métier en forte demande semble avoir réussi à Agar ! L’accompagnement OpenClassrooms lui aura permis d’effectuer une transition vers son nouveau métier de manière sereine, en dépassant les blocages qu’elle pouvait ressentir et en apprenant à valoriser son profil. Des compétences qu’elle pourra réutiliser tout au long de sa carrière !

Vous aussi, vous vous intéressez à la data science ? Rendez-vous sur la page parcours de la formation pour découvrir son contenu. Vous pouvez aussi suivre les cours dispensés sur le parcours gratuitement ; cela vous donnera un bon aperçu pour vous lancer sur cette formation professionnalisante. 

Le Data Scientist : entre optimisation de la donnée, analyse et projection

Le coaching chez OpenClassrooms

 

L’article Agar, alternante en Data Science chez Sereneo est apparu en premier sur OpenClassrooms : le blog.

Climate hope: Notes from Session 4 of TEDMonterey

Maria Gallucci comes ferrying good news: there’s a way to clean up the shipping industry that’s green, economically lean and can be made with planet-friendly machines. She speaks at TEDMonterey: The Case for Optimism on August 2, 2021. (Photo: Bret Hartman / TED)

The scale of the climate crisis is so daunting that it can be easy to get dragged down into pessimism. But at Session 4, six speakers — call them unexpected heroes of the future — told a different story of how we might beat this thing. They speak on an exciting range of phenomena and possibilities that could make a huge difference in our effort to draw down gigatons of CO2 and regain a livable environment.

The event: TEDMonterey: Session 4, hosted by TED’s Chris Anderson on Monday, August 2, 2021

Speakers: Ma Jun, Carlos M. Duarte, Maria Gallucci, Susan Graham, Jamie C. Beard

Special guest: Nigel Topping, the UK’s High-Level Climate Action Champion for COP26, chats with Chris Anderson about the prospects of increased climate ambition ahead of the UN climate conference this November and gives an update on Race to Zero, a global campaign to mobilize leadership on this crucial issue.


Seagrass is an unsung hero in the fight against climate change, says Carlos M. Duarte. He talks about his work mapping seagrass locations across the world’s oceans with the help of turtles and tiger sharks at TEDMonterey: The Case for Optimism on August 2, 2021(Photo: Bret Hartman / TED)

Carlos M. Duarte, marine scientist

Big idea: Seagrass is an unsung hero in the fight against climate change. But disease, dredging and the deterioration of our oceans’ water quality threaten to wipe out this vital species — unless we take immediate action to protect it.

How? You’ve likely seen seagrass — it grows along the shore of every continent except Antarctica — but did you recognize this humble plant as a champion of carbon sequestration? According to Carlos M. Duarte, seagrass is responsible for drawing down one-third of the carbon that accumulates in the seafloor each year! Seagrass also filters plastic from our oceans and, during hurricanes and tropical storms, its massive roots and rhizomes reinforce the seafloor and act as the first line of defense for our coastlines. The bad news: a disease in the Atlantic killed off vast colonies of seagrass in the 1930s and, since then, water pollution, dredging, trawling and anchor damages have worsened this plant’s plight. But Duarte and the team at Beneath the Waves are working to save our seagrass. They are mapping seagrass locations across the world’s oceans (using turtles and tiger sharks!), promoting policies to improve water quality, restoring damaged seagrass meadows and planting new ones. With enough action, Duarte believes we can protect plant heroes like seagrass and rebuild marine life by 2050.


Maria Gallucci, journalist

Big idea: The maritime shipping industry must become climate-friendly — but have no fear, green ammonia is here.

How? Every day, tens of thousands of cargo ships criss-cross the ocean carrying the food we eat, the clothes we wear and the cars we drive. At the same time, they spew fumes and black smoke from heavily polluting fossil fuels into the atmosphere. But Maria Galluci comes ferrying good news: there’s a way to clean up the industry, beyond reverting to pre-industrial sailing ships, that’s green, economically lean and can be made with planet-friendly machines. Green ammonia could be a game-changing way to turn the tides for the shipping industry, as it’s not carbon-based; rather, it’s made up of nitrogen and hydrogen (the molecules that make up air and water). Galluci lays out how this alternative fuel could become an industry-standard reality — from environment-friendly manufacturing processes combined with plunging renewable energy costs to combustion engines and fuel cells. So, what will it take to get an ammonia-powered shipping industry mainstream? She says a rough parallel can be found in the rise of electric cars. Hopefully, one day soon, the incoming freighters will not bring the smell of diesel and carbon emissions, but the scent of a fresh sea breeze.


Susan Graham, environmentalist, entrepreneur

Big idea: We can use drone technology and ecology-trained AI to restore degraded land and revive complex, biodiverse ecosystems.

How? Land restoration is more than planting trees, says Susan Graham. If we want to revive the more than two billion hectares of degraded land on the planet, we need to embrace complex solutions. According to Graham, drones and AI can help us restore areas damaged by industrial activities, natural disasters and invasive species by planting the right mix of native vegetation. In Australia, for instance, Graham and her team are helping restore the forest ina territory depleted and degraded by coal mining. Plus, this technology can work at enormous scales — meaning we can use it to revive the beauty and complexity of native ecosystems both in a single forest and across the planet.


Is it possible to eat a hamburger without killing a cow? Isha Datar explores the exhilarating future of cellular agriculture at TEDMonterey: The Case for Optimism on August 2, 2021 (Photo: Bret Hartman / TED)

Isha Datar, cellular agriculture ecosystem builder

Big idea: Cellular agriculture makes it possible to eat meat without the negative consequences of industrial farming and processing.

How? What if you could eat chicken nuggets without ever killing a chicken? Or a hamburger without killing a cow? It’s possible through cellular agriculture, says Isha Datar, and this new means of meat production will transform our food systems. Here’s how it works: scientists take a biopsy from a living animal (like a chicken), extract the cells and then put them in a liquid medium that provides everything these cells need to grow. Instead of cramped cages stuffed with genetically modified hens, large bioreactors will produce boneless, skinless white meat without byproducts like feathers, beaks and bones. But this process isn’t just better for the birds; it’s better for all of us. Early estimates suggest cultured meat would require 99 percent less land, produce 78 percent fewer greenhouse gas emissions and use 82 percent less water than industrial meat farming and production. And meat is only the beginning! We could use this technology to grow vanilla without clear-cutting the rainforest or produce silk without silkworms. As Datar says, this isn’t a new product — this is our once-in-a-lifetime opportunity to get a second chance at agriculture.


Climate Action Tracker, a tracking initiative holding governments accountable for their Paris Agreement commitments

Big idea: The actions governments take in 2021 to reduce emissions will determine if the world is on track to limit global warming to 1.5 degrees, so the time to act is now. Is there a way to hold them accountable for the goals set at the 2015 Paris Agreements?

An answer: In 2015, countries participating in the Paris Agreements agreed to cut greenhouse gas emissions in half by 2030 and bring carbon dioxide emissions to net zero by 2050. Climate Action Tracker is a platform designed not only to keep track of our progress towards reaching the Paris benchmarks, but also to pinpoint exactly who isn’t shouldering their fair share of the burden. The platform gives us a status update on what’s working, and what isn’t.


Ma Jun, environmentalist, scholar

Big idea: By making pollution information public in China, citizens can hold global brands accountable for pollution control. 

How? Transparency is the key to speeding environmental change at scale in China, says Ma Jun. He’s the creator of Blue Map, an app that tracks pollution violations and color codes factories based on their records of environmental contamination: green and blue are good; red and yellow are bad. This data makes it possible, at a glance, for citizens to monitor corporate violations and micro-report these offenses to government agencies. To help China achieve its goal of carbon neutrality by 2060, Ma and his team have also developed the Blue Map for Carbon Zero, which color codes cities and provinces based on carbon emissions. And he plans to expand the Blue Map project to include plastic, waste and even biodiversity to motivate more companies and more people to reduce their environmental impact and leave a healthier world for all of us. 


Jamie C. Beard explains how recent innovations in drill technology, such as the ability to drill in curves, have made geothermal energy enticingly feasible. She speaks at TEDMonterey: The Case for Optimism on August 2, 2021 (Photo: Bret Hartman / TED)

Jamie C. Beard, technologist, climate activist

Big idea: Geothermal energy could provide us with a clean way to power the globe.

How? What if oil and gas companies could equip us with the infrastructure needed to clean our power grids? Jamie C. Beard advocates for geothermal energy, which requires drilling deep into the earth to access the planet’s natural heat, and explains how recent innovations in drill technology, such as the ability to drill in curves, have made this alternative energy feasible. But to bring geothermal energy to scale, we need to drill all over the world — and drill a lot. Fortunately, the oil and gas industry already has the technology, infrastructure and training to bring geothermal energy online fast. In fact, she says, many geothermal startups are founded by oil and gas veterans. The industry known for its dirty pollution could easily become a pioneer in curbing climate change. “We flip the switch, and we have green drilling,” she says. “This is simply a pivot — from hydrocarbons to heat.”

TM21_20210802_2BH9307_3000

Intelligence Artificielle : comprenez ses défis et opportunités pour notre société

Par : Nora Leon

Quel est le point commun entre Facebook, Spotify, Netflix et l’appareil photo de votre smartphone ? Notamment… qu’ils fonctionnent grâce à une l’intelligence artificielle, sous une forme ou une autre ! 

Car l’Intelligence Artificielle irrigue déjà nos vies. Lorsque vous regardez les fils d’actualité de vos réseaux sociaux préférés, ce que vous voyez a été sélectionné par une IA. De même, Netflix et les entreprises de musique en ligne vous proposent une sélection qui vous plaira à partir d’analyses de votre consommation de films, séries et morceaux musicaux. Quand vous prenez une photo d’un plat au restaurant pour l’envoyer à vos amis, votre appareil s’adapte tout seul  pour vous proposer le mode qui rendra le mieux… toujours grâce à l’IA. 

On pourrait multiplier les exemples qui prouvent que l’IA, ce ne sont pas  les robots et les voitures autonomes. Elle transforme d’ores et déjà notre quotidien, nos entreprises et nos métiers, et ce n’est que le début ! Plus qu’une niche scientifique, elle est donc un sujet de société, auquel chacun devrait s’intéresser. 

Pourtant, l’IA est souvent perçu comme un sujet d’expert, voire une spécialité nébuleuse. Elle est partout autour de nous, mais aussi nulle part, puisque nous ne la repérons pas forcément, et n’en comprenons pas le fonctionnement de manière précise. 

Et comme tout ce qui est mal compris, elle inquiète. Une IA qui connaît mes préférences, mes goûts, mes données personnelles peut-elle se retourner contre moi ? Vendre mes données, les utiliser à mauvais escient, voire me manipuler ? Où s’arrête le pouvoir d’une IA ? Sera-t-elle toujours contrôlable dans le futur ? Quelles sont les implications éthiques liées à cette technologie ? Que doit-on accepter et interdire ; une législation appropriée existe-t-elle ?

Pour lever ces doutes, le mieux est encore de comprendre en quoi consiste l’Intelligence Artificielle. Où et comment est-elle utilisée et pourquoi ? Comment fonctionne cette technologie et ses algorithmes ? Quels sont ses opportunités, mais aussi les risques liés à une mauvaise utilisation ? Comment lever ces risques, se protéger de manipulations et sécuriser ses données ? 

L’Institut Montaigne et l’école en ligne OpenClassrooms ont souhaité apporter des réponses à ces questions. Pour ce faire, ils ont créé le cours Objectif IA, qui s’adresse à toute personne curieuse de comprendre le fonctionnement et les enjeux que soulève l’intelligence artificielle. Un cours en somme, pour mieux appréhender la place de l’IA dans nos vies, ses enjeux pour les particuliers, les gouvernements et les entreprises et son évolution future. 

Dans ce cours, vous découvrirez à la fois ce qu’est une intelligence artificielle et quels sont ses défis et opportunités pour notre société. Vous verrez aussi en pratique comment l’IA se décline en suivant un projet concret. 

Ce cours a été réalisé par des spécialistes en Intelligence Artificielle habitués à démocratiser des savoirs scientifiques. Il est donc accessible à tout un chacun qui souhaite se renseigner sur ce sujet de société, sans aucun prérequis scientifiques ou d’études. N’hésitez donc plus, plongez dans le monde de l’IA :

L’article Intelligence Artificielle : comprenez ses défis et opportunités pour notre société est apparu en premier sur OpenClassrooms : le blog.

« J’apprends en même temps que les étudiants » | Eloïse, mentor

Éloïse Gomez est mentor sur la formation Data analyst, la formation Data scientist et la formation Data architect au sein de l’école en ligne OpenClassrooms. Nous sommes allés à sa rencontre pour en savoir plus sur ses motivations et son approche de cet accompagnement sur-mesure.

Comment et pourquoi es-tu devenue mentor pour OpenClassrooms ?

Depuis quelques temps, j’envisageais de donner des cours. Le binôme avec qui je travaille dans mon entreprise intervient à l’Université mais je ne m’en sentais pas forcément capable parce qu’inexpérimentée.

Je connaissais bien le Site du Zéro [ancêtre communautaire d’OpenClassrooms] et quand OpenClassrooms a cherché des mentors, j’ai sauté sur l’occasion. Je me dis que c’est une bonne première étape avant de pouvoir éventuellement donner des cours à proprement parler.

En quoi cela consiste et qu’est-ce que cela t’apporte ?

Il y a deux missions pour un mentor. Il y a d’abord beaucoup de coaching car en informatique, quand on débute, c’est parfois difficile.

Il faut soutenir les étudiants moralement, les rassurer, les maintenir motivés.

Puis, il faut rendre les problèmes compréhensibles, c’est-à-dire que généralement cela consiste à diviser un gros projet en plusieurs petites étapes pour avancer progressivement sans se décourager. De mon côté, j’apprécie le fait que cela apporte une dimension humaine à mon travail.

C’est très satisfaisant d’aider quelqu’un à monter en compétences ou de l’accompagner dans une reconversion professionnelle.

Quelle est ton activité professionnelle en dehors du mentorat ?

Je suis Data Observer Architect. Je travaille pour une plateforme de data science et je m’occupe de l’installation des produits chez les clients. Ensuite, je leur expliquer comment on a procédé et comment la plateforme fonctionne pour qu’ils soient autonomes. 

Qu’est-ce qui te plaît dans ce métier ?

C’est un peu similaire au mentorat, j’aime beaucoup transmettre et aider les personnes à monter en compétences. Après l’installation, il y a un suivi client pendant quelques mois car ils ont forcément des questions donc il y a une dimension aussi didactique qui me plaît. 

Y a-t-il des sujets sur lesquels toi aussi tu aimerais te former ?

Ironiquement, je bosse comme Data architect depuis cinq ans mais dans le parcours OpenClassrooms, je me rends compte qu’il y a encore des sujets que je ne maîtrise pas. Par exemple, je n’ai jamais monté un job spark de A à Z. Mais c’est une question de pratique.

Finalement, je suis contente d’apprendre en même temps que les étudiants.

L’article « J’apprends en même temps que les étudiants » | Eloïse, mentor est apparu en premier sur OpenClassrooms : le blog.

Le Data Scientist : entre optimisation de la donnée, analyse et projection

Le Data Scientist est l’expert qui se cache derrière les algorithmes qui régissent l’organisation de l’entreprise. Féru de mathématiques, il traque l’optimisation et la moindre erreur dans les bases de données. Si l’aspect technique de ce métier représente un véritable défi, il a des applications très concrètes dans la vie de l’entreprise. Laura Mandon est data scientist depuis plus de deux ans et elle nous raconte son métier.

Le goût des mathématiques et de la recherche opérationnelle

J’ai suivi une classe préparatoire maths et physique, puis je suis entrée en école d’ingénieur généraliste. Je ne savais pas à l’époque que le métier de Data Scientist existait. Sur la fin de mon parcours, je me suis spécialisée en informatique et productique (ce qui correspond aux techniques informatiques pour optimiser les systèmes de production industrielle et automatisée). J’ai acquis quelques notions en bases de donnée et en recherche opérationnelle, mais c’était encore assez général. Ensuite, j’ai eu l’occasion de réaliser un double au diplôme au Québec. C’est à ce moment-là que j’ai commencé à me familiariser avec les métiers de la Data. J’ai obtenu l’équivalent d’une maîtrise en informatique et je me suis initiée à ce qu’ils appellent là-bas” la fouille de données” en prenant des cours. 

La data se trouve à la croisée de plusieurs de mes centres d’intérêt. Je n’aime pas du tout la physique, alors ce n’était pas idéal pour évoluer en tant qu’ingénieure généraliste. En revanche, j’ai toujours eu un goût pour les maths et la programmation.

La dimension résolution de problèmes, prédiction et optimisation de la data science m’a séduite.

Je trouve cela fascinant à maîtriser. Au départ, je n’avais que quelques connaissances basiques en informatique. J’ai mis un peu de temps à m’y familiariser davantage et maintenant, j’y vois surtout de la logique.

On obtient le résultat de chaque manipulation sur l’écran, c’est magique. Si on fait un changement, il apparaît tout de suite, c’est très satisfaisant. 

Pour mon stage de fin d’études, je cherchais de façon large une expérience dans la Data ou la recherche opérationnelle, qui est assez proche et nécessite aussi des maths et de la programmation. J’ai été prise comme Data Scientist chez Decathlon avec justement une dimension de recherche opérationnelle car ils cherchaient à ouvrir ce domaine. 

Je pense que c’est un métier qui exige d’être curieux. Au-delà de ce qui est demandé, il est important d’avoir un regard, d’anticiper sur les optimisations qui sont possibles, de prédire ce qui pourrait être amélioré.

Il faut être rigoureux évidemment et assez tenace pour faire face aux bugs et problèmes techniques qui sont fréquents. Les bases mathématiques sont nécessaires pour comprendre ce qu’il y a derrière les algorithmes, pour pouvoir les choisir et les améliorer. Avoir des connaissances en Machine Learning et connaître son fonctionnement est nécessaire aussi. Le langage de base de données que l’on utilise est généralement SQL et en terme de programmation, on utilise le langage R et le langage Python, qui ont chacun leurs avantages et leurs inconvénients.

Un métier théorique aux conséquences pratiques

J’ai été embauchée à la suite de mon stage et cela fait deux ans et demie maintenant que je travaille comme Data Scientist chez Decathlon.

Mon métier consiste à dégager les éléments les plus intéressants de la donnée, puis en faire quelque chose d’intelligent. Le défi est de créer une information à partir de la donnée, qui ne soit pas forcément dans la donnée elle-même initialement. 

Je passe beaucoup de mon temps à nettoyer la donnée. Comme c’est la base de notre travail, nous devons être rigoureux. La culture de la donnée n’est pas encore très présente en entreprise en général, même si on est plutôt avancés chez Decathlon. Il est rare de trouver de la donnée qui soit 100% propre et fiable. Il faut donc commencer par faire ce travail. Ensuite, nous rencontrons les personnes de l’entreprise qui ont des problématiques métier, puis nous essayons d’y répondre avec un algorithme qui leur permettra de mieux travailler. Pour cela, il y a une partie modélisation, puis compréhension des métiers et de leur langage. De plus en plus, dans notre équipe data, nous tentons d’être spécialisés par corps de métier pour justement répondre le plus efficacement possible aux demandes. 

Chez Decathlon, les enjeux data sont multiples. J’ai récemment travaillé sur un projet qui consistait à détecter les aberrations dans nos données poids/dimensions des articles. Si on trouve une chaussure qui mesure trois mètres par exemple, il y a aura de nombreuses conséquences. En magasin, la fiche de produit fera rire, mais ne sera pas très crédible. Sur le site web, la dimension de la chaussure induit le coût de la livraison, qui risque de vous sembler exorbitant si elle mesure trois mètres. Dans nos entrepôts, une partie du stockage est automatisée donc par défaut, la chaussure de trois mètres se verra refuser l’accès. Et en cas de transport à l’international, c’est une information qui peut aussi poser problème à la douane. Ces erreurs dans la donnée peuvent donc avoir des répercussions monétaires énormes. 

J’évolue essentiellement au sein de l’équipe qui traite de l’approvisionnement et des transports. Donc, je fais face justement aux problématiques internationales concernant les usines de production, les entrées des produits dans les pays, etc. Je travaille par exemple depuis 3-4 mois sur le projet est l’optimisation des flux de transports internationaux.

J’aime beaucoup le fait qu’il y ait des applications réelles derrière la technique.

J’ai des retours concrets sur ce que je fais et sur les optimisations apportées. Je suis toujours motivée de réfléchir aux problématiques, d’imaginer quel algorithme je vais utiliser. Il y a un aspect casse-tête théorique avec de vraies conséquences pratiques. 

Un domaine en pleine structuration

Quand je suis arrivée chez Decathlon, nous étions une petite dizaine au sein du data center. L’équipe était assez récente, très centrale sans vraiment de spécialité attribuée. Nous faisions essentiellement de l’analyse et nos projets étaient relativement limités. La frontière était encore floue entre la Data Science et la Data Analyse. Aujourd’hui en France, nous sommes une trentaine de Data Scientists chez Decathlon et nous avons des pôles internationaux. Dans chaque pays où nous sommes présents, il y a un petit pôle Data science qui traite des problématiques locales du pays et nous en France nous agissons sur les problèmes plus génériques. 

Notre corps de métier évolue très rapidement donc nous sommes très investis dans la formation continue. C’est indispensable de connaître les nouveaux outils, d’apprendre quels algorithmes fonctionnent le mieux etc.

Nous dédions une partie de notre temps de travail à la formation. Pour la partie technique, ce sont souvent des MOOCs en ligne, puis en interne, nous nous transmettons les articles pertinents entre Data Scientists.

Je pense qu’à terme, la qualité de la donnée va s’améliorer dans les entreprises. Aujourd’hui, c’est quelque chose sur lequel on passe du temps, il faut tout vérifier, s’assurer que l’on a rien oublié. En termes d’infrastructure, nous avons des projets et des objectifs ambitieux à l’échelle industrielle mais des serveurs qui ne suivent pas forcément. L’objectif dans le futur est vraiment de devenir meilleur techniquement. Pour l’instant, on réalise beaucoup d’expérimentations et de démonstrations de faisabilité (ou POC pour Proof of Concept), et à l’avenir il faut réussir à les implanter réellement de façon industrielle. À ce jour, nous sommes aux prémices, ce qui est très enthousiasmant pour la suite où nous pourrons être davantage impliqués dans la structure de l’entreprise. 

C’est vraiment le moment de se lancer dans la Data car la demande est énorme. Il y a beaucoup de choses à mettre en place et à structurer, c’est exaltant.

Les recruteurs ne cherchent pas de profils types, beaucoup de gens se forment ou apprennent en autodidactes pour se reconvertir dans ce domaine. Avec de la motivation, de la passion et un minimum de bagage technique, tout le monde peut tenter sa chance !

L’article Le Data Scientist : entre optimisation de la donnée, analyse et projection est apparu en premier sur OpenClassrooms : le blog.

Récupérer, structurer et analyser la donnée, le métier de Data Architect

Exploiter correctement les données du monde numérique est devenu un enjeu important en entreprise. Le métier de data architect fait partie de ceux encore rares sur le marché et très recherchés. Chez iProspect, Grégoire Gaillard est data architect et il relève essentiellement des défis marketing pour des clients divers. Il nous raconte son parcours et son quotidien. 

[À découvrir : la formation Data Architect au sein de notre école en ligne]

“Big Data” ou le mot magique

J’ai fait un BTS communication, puis un bachelor en marketing en école de commerce. J’y ai découvert le big data, ce qui m’a conduit à faire un master I en marketing digital et big data, puis un master en marketing, communication et stratégie d’entreprise. J’ai fait cinq stages dans des agences de communication et j’ai réalisé le dernier au sein d’une société de conseil outillée par l’IA intitulée Synomia. J’évoluais en tant que consultant marketing et data, et c’est à l’issue de ce stage que j’ai trouvé le poste de data architect chez iProspect où je suis aujourd’hui. 

J’ai très vite vu que la data représentait l’avenir. Je trouve qu’en comparaison des métiers de communicant ou de marketeur, la data a une portée plus rationnelle.

Les données  ne sont pas des paroles en l’air, c’est la preuve rigoureuse de ce que l’on avance. J’ai une très forte mémoire des chiffres, ce qui m’a beaucoup aidé dans ce domaine, malgré peu de compétences informatiques au départ. La mémoire de l’information est quelque chose de très important aujourd’hui, et c’est tout l’enjeu de mon métier finalement. 

Le poste que j’ai est encore relativement rare. À l’issue de mes études, j’ai reçu énormément d’offres d’emploi avant même d’avoir commencé à chercher. Néanmoins, c’était plutôt des offres de data scientist qui nécessitaient des compétences informatiques que je n’avais pas.

De par mon cursus, j’avais une préférence pour la dimension marketing par rapport à la collecte et au traitement des données. 

Finalement, je suis parti en vacances, j’ai pris du recul et en rentrant, j’avais de nouveau une offre. iProspect me proposait un poste de data architect, c’était exactement ce que je voulais.

Donc, il ne m’a fallu que quelques mois à la fin de mes études pour être embauché.

Il aura suffi que je mette le mot “big data” dans mon profil LinkedIn pour que les recruteurs viennent à moi plutôt que l’inverse. Tout s’est fait très naturellement à partir de là, c’était un peu le mot magique. 

Une lecture marketing de la data

Je suis maintenant chez iProspect. C’est une entité du groupe britannique Dentsu Aegis, spécialisé dans le webmarketing. Au sein de la boîte, je suis dans la branche data consulting. Le métier de data architect à proprement parler est encore un peu difficile à définir et à circonscrire.

Nous construisons une recommandation ou une réflexion stratégique de la donnée grâce à des data providers que l’on active.

En gros, le client vient avec un besoin, qu’il n’a pas toujours bien identifié, et nous nous lui expliquons quoi chercher, comment et où. Une fois que nous sommes accordés avec le client, mon rôle est d’activer ces fournisseurs de données, de collecter et traiter les données pour soumettre une stratégie pertinente sur la base de la problématique initiale. Les problématiques peuvent être diverses : chercher de la sémantique autour d’un sujet, générer du trafic, analyser les cookies liés au site du client, c’est très varié. Nous avons parfois des clients qui veulent lancer des campagnes de communication sans savoir comment s’y prendre, alors nous les orientons. Et il arrive aussi que nous soyons sollicités pour analyser le résultat de ces campagnes dans un deuxième temps. 

Je me tourne vers le data analyst et le data scientist pour qu’ils me fournissent les résultats dont j’ai besoin sur un sujet donné. Je peux aussi créer un logiciel, une infrastructure ou un robot qui va aller chercher ce que je lui demande. Puis, je décortique les données dans leur ensemble pour élaborer une structure de réflexion que j’exporte ensuite chez le client.

Mon quotidien est rythmé par différentes missions.

Je rencontre les entreprises qui me présentent leur travail, à l’inverse j’explique aux clients qui viennent à nous comment nous pourrions les aider. Il m’arrive aussi de participer à des ateliers pour me familiariser avec l’activité d’une entreprise. J’active les data providers, et ensuite j’établis une recommandation à partir des résultats. La dernière étape est d’aller présenter les résultats chez le client et de défendre ma recommandation et les décisions que cela implique pour l’entreprise. Je suis certains clients en continu et pour les projets plus ponctuels, ma mission s’étale sur environ un mois. 

Nous sommes trois data architects, intégrés dans une équipe data d’environ 35 personnes. En ce moment par exemple, je travaille pour un client dans les cosmétiques qui souhaite rajeunir sa cible. Il faut donc aller chercher sur Internet les caractéristiques de cette cible, comprendre comment elle s’exprime, ce qui l’attire, pour ensuite formuler une stratégie marketing. La diversité des missions est sans doute ce qui est le plus plaisant dans ce métier.

J’aime également le moment où il faut se creuser la tête à la lecture des résultats d’une étude.

Data Architect, un métier jeune

J’ai eu peur en arrivant sur le marché car mon profil correspond parfaitement au métier que j’exerce aujourd’hui, mais je me demandais si je n’étais pas arrivé un tout petit peu trop tôt. C’est très récent que l’on donne une dimension marketing à la donnée. Finalement, j’ai eu la chance d’être parmi les premiers postes et je suis témoin de la vitesse à laquelle ils évoluent. En quelques mois, ma quantité de travail a plus que doublé. 

Je pense que pour démarrer dans ce secteur d’activité, il est bon de commencer en tant que consultant data, ce qui permet déjà de se familiariser avec les chiffres, avec excel que nous utilisons beaucoup et de prendre du recul.

Ensuite, la particularité du data architect est la dimension marketing.

Il peut donc être intéressant d’avoir une expérience en agence au préalable, il faut savoir établir une recommandation, échanger avec le client, mais aussi gérer les périodes de rush et de stress. Nous dépendons beaucoup d’autres entreprises qui nous fournissent les données, mais aussi de nos collègues analyst ou scientist, puis des clients qui nous font des retours ou ont des requêtes spécifiques. Il ne faut pas avoir peur de rester tard le soir, et savoir garder la tête froide face aux chiffres. 

Comme iProspect est un grand groupe, nous avons la chance de recevoir régulièrement des invitations de la part de tous les acteurs de la data. Cela peut être des conférences sur l’évolution du marché, ou un data provider qui nous présente sa méthode de gestion de la donnée, nous sommes fréquemment sollicités. En interne, nous avons également des newsletters qui nous permettent de rester en veille permanente.

C’est indispensable de rester à jour, dans un secteur d’activité qui est en constante évolution et qui est encore en train de se définir. 

Le grand groupe au sein duquel j’exerce est aussi présent à l’international. Dans mon entité, nous sommes les seuls data architect à proposer une certaine offre à nos clients. Il y a quelques semaines, j’ai dû aller en Allemagne pour expliquer à une équipe qui ne proposait pas cette offre, comment je travaille et animer un atelier avec le client qui était intéressé. Ce qui fait qu’aujourd’hui je travaille sur un projet en allemand par exemple. Nous sommes encore très uniques et tout bouge très rapidement. Cette expérience que j’ai aujourd’hui, me permet d’apprendre beaucoup de connaissances et d’accumuler les contacts.

À terme, mon objectif personnel est de me servir de ce bagage pour gravir les échelons et obtenir un poste de responsable architect data. Pourquoi pas même à l’étranger. 

À lire ensuite :

Pourquoi c’est le moment de se lancer dans une carrière dans la data

Data analyst, scientist, architect, quelles différences ?

En quoi consiste vraiment le métier de data analyst ?

L’article Récupérer, structurer et analyser la donnée, le métier de Data Architect est apparu en premier sur OpenClassrooms : le blog.

Analyst, Scientist, ou Architect, comment choisir sa spécialité en Data ?

Le domaine de la data est en plein essor, et pour cause, elle est une denrée précieuse que les entreprises ont intérêt à exploiter pour améliorer leurs performances.

Les experts qui collectent, analysent, structurent et interprètent les données détiennent aujourd’hui un pouvoir non négligeable.

Comme c’est un secteur d’activité en pleine  phase de construction, il est parfois difficile de s’y retrouver. Voici les clés pour choisir au mieux une spécialité data et s’y former. 

Les trois métiers data

S’il y a des compétences communes à tous les métiers en data, ils diffèrent aussi sur certains aspects. Très souvent, ils constituent ensemble le data center de l’entreprise et ces trois experts sont amenés à collaborer de façon étroite. Le point sur trois spécialités recherchées en science des données. 

Data Analyst

Le data analyst collecte et et traite les données de l’entreprise.

Par son analyse, il est le plus à même de comprendre et d’interpréter ces informations pour que l’entreprise en tire des conclusions pertinentes.

Au service de tous les départements de l’entreprise, le data analyst se doit de fournir des données rigoureuses, vérifiées et pertinentes, pour aider à la mise en place des meilleures stratégies possibles. Chronologiquement, le data analyst rassemble la donnée autour d’une problématique bien définie, établit des rapports à partir des résultats puis les présente de façon compréhensible aux destinataires. 

En résumé, c’est fait pour : 

  • Celles et ceux qui ont des affinités avec les maths
  • Qui se sont déjà un peu intéressés au développement ou veulent l’apprendre
  • Et qui veulent acquérir les bases de la science des données (potentiellement avec le projet derrière de se spécialiser sur l’un des deux métiers de data scientist ou data architect).

[À découvrir : la formation Data analyst]

Data Scientist

Le data scientist a une mission plus technique que le data analyst.

Il transforme les problématiques de ressources humaines, de productivité, de bien-être en problèmes scientifiques pour ensuite les résoudre à l’aide d’algorithmes.

Très à l’aise avec les outils de Big Data, le scientist doit être capable de créer ces algorithmes, de mettre en place les outils nécessaires pour faire des prédictions, pour collecter et traiter la donnée. Le data scientist travaille à la croisée de statistiques, de l’algèbre, des langages informatiques, ou encore de l’intelligence artificielle. Il sait également mettre en place et développer les modèles statistiques qui permettent d’utiliser les fonctionnalités de l’intelligence artificielle. C’est aussi lui qui peut apporter la donnée au data analyst. 

Le data scientist peut également se faire ingénieur Machine Learning s’il se spécialise dans les algorithmes d’apprentissages automatiques, champs d’étude de l’intelligence artificielle. Grâce à une approche statistique et des modélisations mathématiques, l’ingénieur met en place des algorithmes qui permettent aux ordinateurs et aux machines d’évoluer et de résoudre des problèmes en autonomie.

La formation Ingénieur Machine Learning d’OpenClassrooms délivre l’équivalent d’un bac+5.

En résumé, c’est fait pour : 

  • Ceux qui ont de bonnes bases en algorithmie et data analyse
  • Qui veulent travailler sur des problématiques de projection des données
  • Qui par la théorie veulent obtenir des résultats concrets.

[À découvrir : la formation Data scientist].

Data Architect

Il pense et met en place des infrastructures nécessaires au stockage et au traitement de la donnée. 

Il se positionne pour organiser la donnée de la façon la plus efficace et la plus accessible possible à ceux qui en ont besoin. Le data architect est au cœur de la conception des plateformes qui gèrent l’ensemble des données de l’entreprise et des modèles apportés par le data scientist. Ces plateformes doivent avant tout être fonctionnelles à court et à long terme. Cela constitue un défi permanent pour servir correctement les autres équipes data et les différents services de l’entreprise. 

En résumé, c’est fait pour :

Ceux qui veulent construire des architectures de données
Qui  veulent être l’interface data de toute l’entreprise
Ceux qui veulent avoir un rôle organisationnel.

Comment choisir ?

Thomas Dupouy a travaillé pendant une dizaine d’années en tant que consultant pour un groupe multinational de stockage et sauvegarde informatique. Il a alors acquis des notions en infrastructure et quand l’entreprise où il travaillait a été rachetée, il a sauté sur l’occasion pour se former à la data. Il a ainsi suivi la  formation data analyst puis data architect au sein de l’école en ligne OpenClassrooms.

Selon lui, la formation en data analyse est un bon moyen de découvrir l’univers de la data :

On y apprend un peu le BA-ba, c’est comme apprendre à lire et à écrire, c’est la base à connaître dans le domaine de la data.

« On apprend les outils et le traitement de la donnée. Cela peut être une fin en soi ou un très bon pré-requis pour se former ensuite plus spécialement comme data scientist ou data architect.” 

Les trois experts en data partagent :

  • le goût des chiffres
  • un esprit logique
  • la volonté de se creuser la tête sur des problèmes mathématiques
  • des notions en probabilités et statistiques.

Le data analyst a besoin d’un bagage technique moindre par rapport au data architect ou au data scientist. Le data architect est aussi appelé data engineer dans certaines entreprises. C’est un métier qui peut donc correspondre à des profils ingénieur, mais aussi marketing. Pour devenir data scientist, il faut avoir le goût des technologies car il est indispensable de maîtriser certains langages informatiques comme Python par exemple. 

Selon Thomas,

idéalement, il faut déjà être capable de monter des petites infrastructures, de traiter des données avec une certaine volumétrie, de manipuler un peu de code et d’avoir quelques notions de programmation.

« Quel que soit le parcours que l’on choisisse, je pense qu’il est bon d’être déjà familiarisé avec l’informatique en général pour démarrer. La formation data architect est assez proche des parcours consacrés au cloud par exemple. On se sert des mêmes technologies.”

Quelles opportunités sur le marché du travail ?

Les annonces dans le secteur de la data sont de plus en plus nombreuses. Comme l’explique Thomas, “les infrastructures legacy (NDLR les systèmes informatiques hérités du passé et de plus en plus obsolètes aujourd’hui face à l’émergence du cloud) sont en déclin aujourd’hui et ce sont les outils de Big Data que les entreprises recherchent. Aujourd’hui, il y a aussi beaucoup d’entreprises qui n’ont pas la connaissance ou la maîtrise de ces outils et qui pourraient beaucoup mieux fonctionner. »

Le marché n’étant pas encore saturé en terme d’experts data, on peut trouver des offres avec des salaires très attractifs

À l’issue de ses deux ans de formation chez OpenClassrooms et de deux mois de stage comme data architect, Il a justement été embauché en CDI chez Capgemini Infrastructure en tant que chef de projet architecture. “Ils n’avaient pas encore le terme data dans leur nomination mais cela correspond à un poste de data architect en terme de mission. Je démarre en septembre donc je ne sais pas encore à quels clients je serai affecté mais a priori ils sont au service de grands comptes comme EDF, Air France, Total, etc. Je découvrirai par la suite quels sont les besoins associés à quels  budgets.”

Un plus pour la notoriété des organismes diplômants

Les formations OpenClassrooms de data scientist et data architect sont élaborées en partenariat avec l’école CentraleSupélec et la formation de data analyst avec l’école ENSAE-ENSAI. Deux écoles qui sont des références en la matière et qui sont évocatrices aux yeux des recruteurs.

Je pense que les grands groupes sont très sensibles à ces références”, précise Thomas. 

Le domaine de la data est un univers en pleine évolution et qui fait sens dans le contexte numérique actuel. Ses métiers sont accessibles à des profils variés, qui exigent néanmoins une appétence pour les chiffres et les outils informatiques de base.

À mesure que les entreprises se dotent de départements data à part entière, les recruteurs cherchent de plus en plus à recruter des experts. Alors pourquoi ne pas se lancer ?

Pour aller plus loin :

Pourquoi c’est le moment de se lancer dans une carrière dans la data

En quoi consiste vraiment le métier de data analyst ?

Récupérer, structurer et analyser la donnée, le métier de Data Architect

 

L’article Analyst, Scientist, ou Architect, comment choisir sa spécialité en Data ? est apparu en premier sur OpenClassrooms : le blog.

En quoi consiste vraiment le métier de data analyst ?

De plus en plus d’entreprises se dotent d’une équipe data aujourd’hui. Le data analyst est le maillon de la chaîne qui rassemble les données pertinentes et les fournit aux équipes qui en ont besoin. Les enjeux sont nombreux pour interpréter, comparer, comprendre et donc ajuster un service ou un produit.

Kévin est data analyst depuis sept mois au sein de la start-up Spendesk. À la croisée entre code, statistiques et business, il nous raconte son métier.

Un profil polyvalent

J’ai un profil un peu atypique dans le domaine de la data. Je me suis d’abord formé comme ingénieur, puis j’ai obtenu un double diplôme avec une école de commerce.

J’ai toujours été attiré par l’informatique et la technologie. Durant mon cursus universitaire, j’ai souvent choisi les options qui s’en rapprochaient le plus.

Mes expériences professionnelles étaient davantage tournées vers la finance, puisque j’ai réalisé des stages dans des fonds d’investissement destinés aux start-up. Plus particulièrement, les start-up qui s’intéressaient justement à la gestion de la donnée.

Mon premier vrai contact avec la data a eu lieu au cours d’un autre stage de quelques mois au sein de la BNP. C’était différent de ce que je fais aujourd’hui, puisque c’était un grand groupe et ma mission en tant que stagiaire était toute relative, mais j’avais néanmoins une position équivalente à celle d’un data architect. 

Ce sont ces stages qui m’ont donné envie de travailler au sein d’une start-up. Je pensais que la data serait un bon moyen de mettre à profit mes capacités d’analyse et les compétences acquises en école d’ingénieur. La data est un secteur en plein essor, les données sont partout, il y en a de plus en plus et c’est un enjeu énorme que de savoir les analyser correctement. Particulièrement pour des jeunes entreprises qui démarrent, qui ont besoin de recul et de références chiffrées. C’est pour cela qu’il y a également des outils de plus en plus puissants qui sont développés, ce que je trouve très intéressant. 

À l’issue de mes études, je tenais donc à travailler au sein d’une start-up. Je voulais vraiment voir croître une entreprise et prendre part à cette évolution. Je cherchais un poste avec un minimum de technique, tout en sachant que je ne suis pas développeur non plus.

Au fil de mes recherches, il est apparu que le métier de data analyst me correspondait bien et que de plus en plus d’entreprises cherchaient à se constituer une équipe data.

C’est la raison pour laquelle je pense que même en tant que junior, et sans trop d’expérience en data, j’ai pu trouver un poste. Le marché est très ouvert actuellement. Même aujourd’hui en étant en poste, il m’arrive de recevoir des offres. Les opportunités se multiplient dans ce secteur.

Des journées au rythme des demandes et des besoins

Depuis sept mois, je suis donc chez Spendesk en tant que data analyst. C’est une start-up qui a été créée il y a un peu plus de trois ans et qui propose aux entreprises de prendre en charge la gestion de leurs dépenses. La mission est de simplifier tout le processus de gestion comptable. À mon arrivée, nous étions 55 employés et aujourd’hui nous sommes plus d’une centaine. La start-up se porte bien et elle est soutenue par un gros fond d’investissement européen. 

Ma principale mission en tant que data analyst est de faire en sorte que les équipes aient accès aux données dont elles ont besoin.

Je travaille donc aussi bien avec l’équipe produit, que l’équipe ventes, l’account manager, l’équipe financière ou même les fondateurs lorsqu’il faut remonter certaines informations générales sur l’entreprise. C’est très transversal. Je me dois de transmettre de la donnée qui soit valable donc vérifiée et pertinente au regard de la problématique de l’équipe qui fait la demande. 

Mon travail s’organise principalement autour de plusieurs axes. 

Tout d’abord, je travaille sur les tableaux de bord des différentes équipes : cela consiste à mettre à disposition des chefs d’équipe les Indicateurs clés de performance (KPI en anglais). Ces indicateurs sont des données, que l’on définit ensemble et qui permettent ensuite de se positionner stratégiquement pour un objectif donné, comme améliorer la satisfaction client, générer du trafic, ou augmenter ses ventes, par exemple. 

En collaboration avec le data ingénieur et le data scientist, nous travaillons aussi sur les infrastructures, pour les optimiser au maximum les outils dont nous nous servons. Il arrive aussi que je travaille sur des analyses plus ouvertes afin de soumettre des rapports aux équipes. Dans ce cas, c’est à moi d’aller chercher la data que je pense pertinente pour essayer de comprendre pourquoi un client n’utilise plus tel outil par exemple, et ensuite faire les recommandations nécessaires. À ce niveau, on croise aussi bien des données qualitatives en interviewant le client et des données quantitatives grâce au GRC (l’ensemble des outils de la gestion de relation client).

Nous sommes une équipe data de cinq personnes : deux data analysts, un data scientist, un data ingénieur qui s’occupe de l’architecture et une personne qui supervise l’équipe qui a aussi un rôle de data architect.

Les journées et les semaines sont assez variables en fonction des projets en cours. Néanmoins, il y a toujours un moment dans la journée que je dédie aux requêtes au sein de l’entreprise.

J’essaye aussi régulièrement d’échanger avec les chefs d’équipe pour discuter autour de leur tableau de bord, voir comment le mettre à jour et l’optimiser. Ensuite, je dois délimiter aussi des temps sans interaction où je me concentre vraiment sur les analyses

En ce moment par exemple, nous travaillons à mettre en place un nouveau tableau de bord pour l’équipe support. C’est l’équipe qui répond aux questions des entreprises clients. L’objectif est de savoir si nous sommes suffisamment efficaces dans les retours que nous faisons aux clients, de comprendre pourquoi un outil est plus utilisé qu’un autre, de savoir quel pourcentage de support, d’aide on apporte à nos gros clients par rapport aux plus petits, pour ensuite équilibrer nos services.

Des défis en constante évolution

Le vrai défi dans l’analyse est de conserver un esprit critique et une rigueur dans ce qu’on présente.

Il faut réussir à pousser suffisamment loin pour pouvoir tirer des conclusions qui ont du sens. Dans un deuxième temps, il faut s’assurer que la personne à qui est adressée l’analyse puisse la comprendre et s’y référer. Tout l’enjeu est vraiment de mettre en place les outils nécessaires pour que les équipes puissent ensuite être les plus autonomes possible. C’est la dimension qui est particulièrement enthousiasmante pour moi dans ce métier, car on se doit d’être curieux et de comprendre le métier de chacun pour être le plus pertinent possible et anticiper les besoins

Je pense qu’à terme, l’équipe data va grossir et se structurer davantage. Chaque data analyst pourra alors avoir une spécialité, il y en aura un qui travaillera pour la partie produit, un autre pour les ventes par exemple, en ayant un vrai domaine d’expertise chacun. Ce sont les perspectives d’évolution que j’imagine. Comme le métier change beaucoup en ce moment, j’essaye régulièrement de déjeuner avec les équipes data d’autres start-up à Paris. Nous discutons de comment est structurée leur équipe, de nos problématiques communes, ou des nouveaux outils.

Ensuite, au sein de ma boîte, nous prenons aussi le temps de nous former régulièrement aux nouveaux logiciels. Je dirais que c’est finalement la curiosité qui est la qualité principale à cultiver en tant que data analyst, au-delà des exigences techniques du métier. 

L’article En quoi consiste vraiment le métier de data analyst ? est apparu en premier sur OpenClassrooms : le blog.

Interview : que recherchent les recruteurs chez les candidats Tech ?

Nicolas Macherey a fondé WakeOnWeb en 2015. Implantée sur trois sites à Paris, Lyon et Aix-en-Provence, cette entreprise de près de 40 salariés conçoit des solutions numériques et technologiques sur-mesure pour les entreprises.

Pour conserver leur expertise face aux changements permanents du monde du numérique, les professionnels de la Tech doivent rester en veille permanente et être curieux des dernières innovations. C’est ce que nous explique Nicolas au travers de sa propre expérience.

Un processus de recrutement ouvert

WakeOnWeb est une société encore jeune, qui a connu des hauts et des bas. S’il y a eu un peu plus de turn-over lors des périodes de creux, aujourd’hui les équipes sont bien en place, soudées et compétentes.

La stratégie de recrutement de Nicolas ? Miser sur la diversité : “J’ai fait un pari en fondant WakeOnWeb, car c’est difficile d’être bien formé sur toutes les technologies. »

Alors, j’ai employé des gens qui étaient soit des développeurs expérimentés, soit des passionnés autodidactes. Certains n’avaient même pas le bac ou étaient de jeunes diplômés tout juste sortis  d’école. Ils avaient l’avantage d’être encore modelables.

« Personnellement, je connais les formations en ligne OpenClassrooms depuis le début, mais je laisse les gens choisir leur formation lorsqu’ils font leur contrat de professionnalisation ou leur formation continue. J’ai eu beaucoup d’alternants qui venaient de formations différentes : SupInfo, écoles d’ingé, OpenClassrooms…

Bien que les compétences techniques soient indispensables pour proposer la meilleure expertise aux entreprises, Nicolas valorise d’autres éléments aussi  : “Nous sommes une société de service donc nous devons nous adapter aux circonstances du client et dans ce contexte, être capables de monter en compétences rapidement, de s’adapter, de rebondir. C’est très important quelles que soient les bases techniques que l’on a eues au départ. C’est pour cette raison que je valorise les profils variés. »

Je n’ai pas d’a priori, je ne regarde jamais les CV avant de faire entrer les candidats en entretien, que je juge d’abord sur leurs valeurs humaines.

« Puis dans un deuxième temps, ils passent un test de personnalité et un test technique qui est adapté en fonction du profil. On ne donnera pas le même test à un architecte développeur qu’à un junior en reconversion par exemple. »

Un apprentissage permanent

Les technologies du numérique sont en constante évolution et de plus en plus nombreuses.

Pour rester compétitifs, les professionnels de la tech n’ont d’autre choix que de continuer à apprendre et à se former tout au long de leur carrière.

Nicolas croit aux vertus de la formation interne et externe :

Notre métier est d’apporter l’innovation technologique dans les entreprises donc si on n’encourage pas la formation continue auprès de nos collaborateurs, on se laisse dépasser très rapidement.

« Au sein de WakeOnWeb, on a un programme de formation interne qui est encadré par nos architectes. Le marché évolue constamment, donc on sélectionne avec nos collaborateurs les technologies qu’on trouve   intéressantes à connaître et maîtriser. Le but n’est pas de devenir spécialiste de tout non plus, on évalue de façon concrète l’expertise qui est la plus pertinente pour nous.”

Incorporer la formation au sein de l’entreprise demande une organisation du travail adaptée, qui peut sembler complexe à mettre en place à première vue.

Cependant, elle représente indéniablement un investissement sur le long terme.

Lorsqu’on sélectionne une nouvelle technologie, on laisse les employés se dégager du temps pour se former à partir des ressources ou des outils qu’ils choisissent, en échange de quoi ils rédigent une présentation ou un article qui peut être profitable à tous sur la techno en question.

« Cela représente un coût mais c’est indispensable dans notre domaine. Par conséquent, nous avons mis en place ce système en début d’année et nous verrons si cela perdure”, explique Nicolas.

Quel que soit le langage informatique que l’on maîtrise le mieux, ce qui est inhérent à tous les métiers du numérique est la curiosité d’apprendre perpétuellement pour rester innovant. Finalement, c’est sans doute la qualité première recherchée par les recruteurs dans le domaine, à l’image de Nicolas.

L’article Interview : que recherchent les recruteurs chez les candidats Tech ? est apparu en premier sur OpenClassrooms : le blog.

Pourquoi c’est le moment de se lancer dans une carrière dans la data

La vague du Big Data se profile à l’horizon. Si vous voulez surfer sur elle, vous devez être capable de naviguer dans la data pour en tirer des information utiles.

Glassdoor vient de nommer le métier de data scientist meilleur métier aux États-Unis pour la troisième année consécutive. Bloomberg a rapporté une augmentation de 75 % des offres d’emploi pour ce poste. De plus, data analyst, data scientist et data architect font partie des meilleurs emplois émergents sur LinkedIn et le nombre d’offres augmente chaque jour. Ces statistiques dépeignent un tableau très convaincant.

En d’autres termes, c’est le moment idéal pour devenir spécialiste de la data.

[À lire : Data analyst, scientist, architect, quelles différences ?]

[À découvrir : notre offre de formation à distance]

Des défis auxquels font face grandes comme petites entreprises

Presque toutes les organisations qui existent aujourd’hui sont alimentées d’une manière ou d’une autre par des données. Chaque seconde, des pétaoctets (soit 1000 teraoctets) de données sont générés. Et toutes les entreprises devraient se servir de la data pour définir leurs prochaines actions. P

Pour de plus en plus d’entreprises dans le monde, la complexité et la quantité de données non-structurées représentent un défi préoccupant.

Avec l’arrivée de l’Internet des Objets (IdO), et l’application accélérée de la technologie à tous les secteurs, les postes dans la data sont florissants.

  • Les entreprises de services financiers gèrent d’énormes quantités de données transactionnelles historiques et en temps réel pour lutter contre la fraude et fournir des services de banque en ligne ou mobile automatisés.
  • Le secteur de la santé tente de visualiser des données génomiques et d’en extraire des informations pour soigner les maladies chroniques comme le cancer et le SIDA en utilisant la data science à différentes étapes de la recherche de traitement.
  • Les géants du numérique comme Microsoft, Google et Facebook utilisent les données comportementales de leurs utilisateurs – qu’on appelle power analytics – pour mieux comprendre et améliorer leurs opérations de vente.

Le monde des affaires est aujourd’hui centré sur les données, c’est pourquoi les recruteurs recherchent des candidats qui les comprennent. Des professionnels de la data avec la bonne optique peuvent extraire des informations qui accéléreront la croissance d’une entreprise.

En prenant en compte l’ampleur de la data et le manque de data analysts qualifiés dans le monde, faire carrière dans ce domaine vous assure un emploi aujourd’hui et pour les années à venir.

D’après un rapport de LinkedIn, les postes de data scientist ont augmenté de 650% depuis 2012, mais il n’y a pas assez de professionnels qualifiés pour répondre à cette demande.

Perspectives de carrière

Lorsqu’on parcourt les sites d’offres d’emploi, on trouve de nombreux et très divers postes d’analyse de données. Toutes ces options de carrière peuvent être déroutantes et vous pouvez vous sentir dépassé.

Pour y voir plus clair, considérez qu’il y a trois domaines principaux dans la data :

  • L’analyse de data
  • L’analyse marketing
  • L’analyse décisionnelle (ou business intelligence analysis)

Alors que le rôle de data analyst comprend plus d’analyse et vous demande de travailler comme analyste spécialisé, les postes d’analyse marketing et d’informatique décisionnelle ont une plus grande part de stratégie commerciale.

En travaillant à un poste orienté sur la stratégie, vous utiliserez vos compétences analytiques pour trouver les défauts et les inefficacités du marché, définir une stratégie et une approche afin d’y répondre et d’améliorer l’entreprise. Avec le temps, cela peut vous mener à des postes de product management.

Si vous souhaitez vous spécialiser, le poste de data analyst vous fait pénétrer dans le monde dynamique de la data science. Vous pouvez vous spécialiser dans plusieurs compétences comme l’analyse de texte, l’analyse de discours, le traitement d’images ou de vidéos, l’analyse prédictive, la modélisation, etc. Vous apporterez une valeur immense à l’entreprise tant la demande de spécialistes est grande.

Comment réussir en tant que data analyst ?

Le trait de caractère le plus important pour devenir un data analyst qualifié est la curiosité. Vous devez avoir un désir profond d’analyser des problèmes, de développer la capacité à élaborer des questions stratégiques et à tester des hypothèses. Un goût pour le calcul et une bonne attention aux détails sont essentiels.

Il vous faut également acquérir plusieurs compétences techniques et comportementales. Voici ce qu’il vous faudra maîtriser pour devenir data analyst, marketing analyst ou business intelligence analyst :

1. Le code et les outils analytiques

  • Python/R data science stack (numpy, pandas, matplotlib, sklearn)
    SQL
  • Les tableaux Excel
  • Jupyter Notebooks

2. Data wrangling

  • L’analyse exploratoire de données, leur nettoyage, leur transformation et leur formatage
  • La programmation de scripts ETL

3. Visualisation et communication de données

  • Générer des rapport
  • La visualisation de graphiques et diagrammes (ggplot, matplotlib, etc.)

4. Pensée par association

  • Poser les bonnes questions
  • Réaliser une analyse commerciale
  • Découvrir les zones de croissance sur le marché

5. Machine learning

  • Apprentissage supervisé
  • Apprentissage non-supervisé

6. Expérimenter le design

  • Modéliser des phénomènes
  • Distiller des hypothèses testables

Je l’admets, c’est une liste impressionnante, en particulier pour un débutant. Mais avec du temps et la bonne formation, vous serez en route pour une belle carrière, armé des compétences en demande sur le marché du travail pour les années à venir.

Pourquoi ne pas vous lancer ?

Dans tous les domaines, la réussite est fonction de nombreux facteurs : l’opportunité, le travail, le timing, la bonne formation. Pour un data analyst, la fonction ressemblerait à :

Data analyst compétent = f (demande sur le marché, désir d’améliorer ses compétences et ses connaissances, timing, __________)

Vous pouvez remplir le reste vous-même.

OpenClassrooms répond à la demande en matière de data grâce à des formations complètes en data. Découvrez notre formation diplômante data analyst en un an.

À propos de l’auteur

Harshit Tyagi est ingénieur data à Elucidata. Développe des algorithmes pour des chercheurs de Yale, UCLA et du MIT. Il est aussi mentor chez OpenClassrooms.

L’article Pourquoi c’est le moment de se lancer dans une carrière dans la data est apparu en premier sur OpenClassrooms : le blog.

The secret life of plant music

Data Garden Quartet at TED2019

These two plants are part of the Data Garden Quartet, a collection of potted plants that wear special sensors to measure their conductivity — and turn it into music. Data Garden appeared at TED2019: Bigger Than Us, April 15–19, 2019, Vancouver, BC, Canada. Photo: Marla Aufmuth / TED

Barreling through the high-visibility, high-tech exhibits on the TED2019 circuit, you’d be forgiven for mistaking The Data Garden for just another chillout zone, with its oasis of potted houseplants and people lying draped, spaced out, across bean bags. Yet an arresting sound beckons from this unassuming island – a soothing patter of gently percussive gongs, like a harmonious array of meditation bowls or a gamelan, with a variety of textures and tones.

Nothing unusual here – except that if you look closely, the plants have white sensors attached to the leaves, wired into speakers. Wait – is this music coming from the plants?

Listen here >>

It is. “We’re listening to Data Garden Quartet – a quartet of plants all playing music together,” says Los Angeles-based sound artist Joe Patitucci. Each plant is fitted with a MIDI Sprout, a device invented by Patitucci and partner Jon Shapiro that translates plant biofeedback into sounds. The white sensors, it turns out, are electrical probes that send a 4.5 volt signal through the plant to measure variations in the plant’s conductivity, which changes according to the amount of water moving through it.

“It’s very similar to technology used in a lie detector,” says Patitucci. “If you imagine the wave in a lie-detector readout, we translate that into pitch in a musical scale. Changes in the waves also control various textural aspects of the sounds, or ‘instruments.’”

Patitucci conceived the idea of Data Garden Quartet in 2012 out of a sense of exploration as a musician. “I’d hear about people who could reached this flow state, where it was like universe was expressing itself through them. I was never able to get to that state – but I’d get my inspiration by going out into nature and bringing the feeling back into the studio and then composing.” So rather than making his body the channel – “instead of expressing itself through my body on my fingertips on a guitar” – Patitucci cut the middleman and wired his source of inspiration directly into the instrument, working with an engineer. Meanwhile, Patitucci designed the sound set – a palette from which the plant selects every single note in real time.

“Big influences are Brian Eno, generative ambient music in general, and the plant biofeedback experiments of the 1970s, and cellular automata – the mathematical principle that simple rule sets expressed over time can become complex systems,” says Patitucci.

The installation not only proved popular at festivals and museums, soon artists and musicians began demanding the hardware itself. In 2014, he and Shapiro launched a Kickstarter for a version of the hardware, which they dubbed MIDI Sprout, made specifically for artists, which plugs directly into a synthesizer so they can create their own sound sets. (Could I, for example, attach little samples of Prince songs to the plant’s dataset? “Prince Remix by DJ Plant,” Patitucci affirms.)

Inevitably, demand snowballed to ordinary consumers who wanted MIDI Sprout in their home – in their yoga class, meditation studios, and so on. For them, MIDI Sprout is now available as an iOS app with a custom-made sound palette that includes harp, flute, and bass. Now anyone can turn a houseplant into an ambient music generator.

In case you’re wondering, MIDI Sprout doesn’t only work on plants. You can hold the electrodes and get sonic feedback on your own biorhythms. “If you can really relax and have a steady pressure on the probes, you can get it to play one note,” says Patitucci. “You can even get it to stop. It takes some practice.”

As for the question I know is burning in readers’ minds: “Can I put a MIDI Sprout on my cat?” The answer is here.

Data Garden Quartet at TED2019

Data Garden Quartet at TED2019: Bigger Than Us. April 15 – 19, 2019, Vancouver, BC, Canada. Photo: Marla Aufmuth / TED

TED2019_20190416_1MA6939_3000

mmechinita

Data Garden Quartet at TED2019

Apprentissage & proactivité : la recette du succès ?

 

Que l’on soit en poste ou en recherche d’emploi, la capacité à apprendre à apprendre est l’une des compétences les plus importantes au XXIème siècle. Ajoutez-y une once de proactivité et vous obtenez selon nous ce qui s’approche le plus de la recette du succès.

Comment bien adopter cette démarche ? Qu’est ce qu’être proactif peut apporter à une carrière  ? Quels sont les pièges à éviter ?

Nous avons demandé à Gwen Rivet, Growth Manager chez OpenClassrooms et étudiant sur la formation diplômante data analyst, un profil formé aux langues et sciences sociales.


S’il est aujourd’hui aussi à l’aise avec la data et les nombres qu’avec les mots, c’est qu’au cours de ses formations, Gwen a toujours su faire rimer apprentissage et proactivité.

[ À suivre : les cours gratuits sur OpenClassrooms ]

 

 

Qu’est-ce qui t’a poussé à adopter cette approche ?

« On vit dans un monde où le travail évolue constamment, encore plus dans le digital. Il faut impérativement comprendre les  outils, termes et nouveaux acronymes qui peuvent débarquer du jour au lendemain. La seule solution pour rester à la page, c’est d’être vraiment proactif. »

Comment t’es-tu lancé ?

 

« J’ai toujours été à l’aise avec les maths, pour mon travail j’étais donc plutôt confiant, mais il fallait impérativement que maîtrise les outils et données. Concrètement, je me sentais de le faire, mais je ne savais pas comment. J’ai donc commencé par me renseigner, lire des articles, j’ai  même lu toutes les doc des outils que j’utilise.

 

Aujourd’hui je vais encore plus loin en suivant une formation Data Analyst sur Openclassrooms. »

Comment intègres-tu la formation dans ton quotidien ?

 

« Il faut penser par semaine. Pour la formation que j’ai choisie, c’est entre six et huit heures. Je me fixe un ou deux jours pendant lesquels je bosse une ou deux heures après le boulot, puis je réserve une matinée le week-end. Je fais aussi de la veille. Pas tous les jours, mais régulièrement. »

Tu arrives à trouver assez de temps pour cela ?

« Pour gagner du temps sur la veille, le mieux reste de s’inscrire à des de newsletters, mais il faut faire attention à ne garder que les plus pertinentes. En ce moment, j’en reçois deux ou trois par jour, qui sont très concises. Comme cela, je ne passe pas des heures et des heures à lire des articles.

Être proactif, c’est avant tout être efficace. Pour ça il y aussi la possibilité de se créer des alertes Google sur des mots clés. À part cela, nous échangeons aussi beaucoup d’informations au sein de mon équipe. »

Est-ce qu’il y a des erreurs à ne pas commettre ?

«  Il ne faut pas vouloir faire trop de choses en même temps ni vouloir aller trop vite, car cela nous fait nous rendre compte de la masse de travail qu’il y a. Le risque :  se démotiver avant d’avoir commencé et être frustré.

Il faut vraiment se dire : « je me concentre sur une chose à la fois et j’y vais étape par étape ». Il faut aussi éviter de  se mettre de pression inutile. On ne peut pas tout savoir, c’est comme ça, on aura toujours des choses à apprendre. C’est d’ailleurs l’une des clés pour rester motivé. »

De quoi es-tu le plus fier dans ce que t’as apporté le fait d’être proactif ?

« Il y a avant tout la fierté de se dire qu’on y arrive et qu’avec le temps on peut acquérir des compétences totalement transversales. J’ai un profil littéraire et aujourd’hui je jongle avec les datas, c’est plutôt valorisant.

Il y a aussi deux autres choses très satisfaisantes. La première, c’est que je peux voir directement à quel point ma proactivité impacte mon travail au quotidien, car je mesure mes actions grâce à la data et au reporting. Je me dis tous les jours que ce que je fais chez OpenClassrooms sert à quelque chose.

La deuxième, c’est que j’ai énormément gagné en confiance en moi. Je suis bien plus à l’aise quand je dois m’exprimer sur des sujets pointus. Déjà parce que je comprends parfaitement de quoi on parle, et parce que je sens aussi que mes interventions ont de plus en plus de poids et de valeur. »

Cette immédiateté dans les résultats donne une dimension presque tangible aux bénéfices d’une attitude proactive. C’est ce qui plaît à Gwen depuis le début. Cela le pousse à étoffer quotidiennement ses compétences dans le marketing, pour qui sait, un jour, penser à entamer une carrière dans un tout autre domaine.

À propos de Mathieu :

Un pied dans la rédaction, l’autre dans les réseaux sociaux, Mathieu s’est formé auprès de médias parmi les plus actifs et novateurs de Paris.Passionné par les nouveaux modes d’écriture, il s’est lancé comme rédacteur indépendant en 2018. Son objectif : anticiper l’influence du digital sur nos vies, et explorer le futur du travail.

L’article Apprentissage & proactivité : la recette du succès ? est apparu en premier sur OpenClassrooms : le blog.

Data analyst, scientist, architect, quelles différences ?

Les métiers de la Data sont très en vogue sur le marché de l’emploi à l’heure actuelle. Selon Accenture, 79% des dirigeants sont d’avis que les entreprises négligeant le traitement et l’exploitation de leurs données. De quoi se tailler un poste passionnant, quelle que soit la structure.

Alors, quels sont les métiers de la data science ?

Le Data Analyst

Son rôle rôle est de comprendre les diverses données d’une entreprise (chiffres de vente, études de marché, circuits logistiques, coûts des fournisseurs, etc… ) afin d’en tirer des informations claires et utiles pour l’entreprise.

Ces informations pourront ensuite être traitées par un Data Scientist. Le Data Analyst est responsable de la chaîne de collecte et de traitement de données, et se porte garant de leur intégrité. Une fois l’analyse des données effectuée, le Data Analyst produit généralement des rapports destinés aux différents services de l’entreprise afin d’optimiser leurs prise de décision.

Le Data Scientist

Pour la quatrième année consécutive, Data Scientist a été classé par Glassdoor, l’un des plus grands sites d’emploi et de recrutement au monde, au premier rang des meilleurs emplois aux États-Unis. Il existe de nombreuses définitions du métier de Data-Scientist. Jake Porway, fondateur de DataKind, cabinet de conseil londonien spécialisé dans la data science, nous délivre la sienne.

“Un Data Scientist est un profil hybride rare : un informaticien doté des capacités de programmation nécessaires à la création de logiciels permettant de gratter, de combiner et de gérer des données provenant de diverses sources, ainsi qu’un statisticien qui sait comment tirer parti des informations qu’elles contiennent. Il ou elle combine ses compétences pour créer de nouveaux prototypes avec la créativité et la minutie nécessaires pour poser et répondre aux questions les plus profondes sur les données et sur les secrets qu’elles contiennent”.

Historiquement, les Data Scientists sont des profils qui viennent du monde de la statistique et dotés d’une certaine appétence pour le code. En plus de structurer et de traiter de la donnée comme le font les Data Analysts, un Data Scientist se doit d’apprendre à les contextualiser afin de leur trouver une utilisation à valeur ajoutée. Ce rôle est absolument nécessaire lorsque le volume et la vitesse de données d’une entreprise dépassent un certain niveau. Il faut alors des compétences plus solides pour trier des données non structurées afin d’extraire les informations critiques.

Le Data Architect

Métier référence en matière de gestion des données, le Data Architect est, dans un premier temps, un bon Data Analyst, capable d’interpréter des algorithmes complexes pour les adapter à une architecture distribuée. Si le Data Analyst se concentre sur la donnée, le Data Architect a pour rôle de construire les fondations de tous les systèmes de gestion, de prédiction, et d’analyse dont les données sont la ressource principale.

Il définit la manière dont les données seront stockées, utilisées, intégrées et gérées par différentes entités de données et systèmes informatiques, ainsi que par toute application utilisant ou traitant ces données d’une manière ou d’une autre.

_____

Quel que soit la spécialité que vous choisissez, vous pourrez aider l’entreprise à prendre des décisions éclairées au niveau de sa stratégie, et donc avoir un impact direct sur ses performances.

 

À propos de Gabriel : 

Après des études à l’ESSEC et à l’ESCP, Gabriel a fait le choix de se lancer sans attendre dans une aventure entrepreneuriale. En parallèle, il évolue en tant qu’ingénieur d’affaires dans une société de conseil en Digital. Amoureux de la nature, il poursuit actuellement, en cours du soir, des études de management des forêts.

L’article Data analyst, scientist, architect, quelles différences ? est apparu en premier sur OpenClassrooms : le blog.

Pourquoi se former à la data science est une excellente idée

Bien que de plus en plus habitués à lire et à relire les chiffres considérables liés aux données que nous générons, nous n’en sommes pas moins surpris à chaque nouvelle étude publiée. En 2018 par exemple, le nombre d’internautes autour du globe a dépassé les 4 milliards de personnes, soit plus de la moitié de l’humanité. Les données générées par l’utilisation des Smartphones et des objets connectés ont amené Statista à estimer que le marché des données à l’échelle mondiale devrait doubler de valeur dans les dix prochaines années, passant de 42 à 103 milliards de dollars.

Selon Accenture, 79% des dirigeants sont d’avis que les entreprises négligeant le traitement et l’exploitation de leurs données, perdraient leur positionnement concurrentiel et se dirigeraient vers leur perte. Loin d’être une simple tendance, les données prennent de plus en plus d’importance dans de nombreux enjeux stratégiques. Pour faire face à la demande croissante de ressources capables de maîtriser et de tirer profit d’un flot conséquent de données, les métiers de Data Analyst, de Data Scientist et dede Data Architect montent au front.

______

Pourquoi se former à un métier dans la data?

 

Pour répondre à cette question, nous avons rencontré Maxime, Tech Recruiter chez Urban Linker, un cabinet de recrutement spécialisé dans le digital :

 

“A une certaine époque, il était plutôt aisé pour une entreprise de déterminer le retour sur investissement de chaque initiative.

Aujourd’hui, à cause de la la multiplication des canaux de communication, nous vivons dans un monde particulièrement incertain.

C’est là que la donnée prend de l’importance ; en la structurant pour extraire certains indicateurs, elle aide à la prise de décision sur des sujets divers, mais qui deviennent stratégiques”. 

Peu exploitée il y a encore quelques années, la donnée fait désormais partie des éléments les plus cruciaux d’une entreprise.

C’est pourquoi Maxime est catégorique : pour une entreprise qui produit un minimum de données, ignorer cette manne d’information serait synonyme de perte conséquente d’avantages concurrentiels.

“Certaines entreprises ne génèrent pas assez de données pour commencer à l’exploiter. Mais pour une entreprise qui en a suffisamment, ne pas se pencher dessus dès aujourd’hui, c’est foncer dans le mur. Et cela, les grands groupes français l’ont compris, ils ont été les premiers à se pencher sur le sujet dans l’hexagone”.

En revanche, du côté des start-ups, la donnée revêt un autre visage. Elle va permettre à des ingénieurs de s’attaquer à des marchés, jusqu’à maintenant fermés, comme la santé.

“Avant, le marché de la médecine était réservé aux praticiens. Maintenant, en analysant de gros volumes de données, des entreprises tech peuvent proposer des solutions innovantes, comme l’anticipation des risques de cancer via l’analyse de millions de radios”.  

 

Qui sont ces entreprises qui recherchent des profils de “data-specialists” ?

 

“Si la France n’a pas encore atteint le niveau des États-Unis en termes de recrutement de ce type de profils, nous n’en sommes pas moins déjà en pénurie. En effet, beaucoup d’ingénieurs français ont fait le choix de partir de l’autre côté de l’Atlantique pour faire valoir leur expertise data”.

Aux Etats-Unis, beaucoup de géants de la tech ont pris le virage de la data rapidement et surtout massivement : ils ont tous créé des unités qui sont dédiées à la data-science.

En France, même si les grands groupes ont compris le potentiel de leurs données et que la demande a beaucoup augmenté en quelques années, les initiatives se font plus timides. Pour les start-ups, en revanche, c’est une autre histoire.

De nombreuses jeunes entreprises ont compris l’enjeu stratégique lié à la data et elles se structurent de manière à pouvoir accueillir et traiter des gros volumes de données, que ce soit en projection ou via l’Open-Data”.

Même si certains secteurs semblent se détacher de par leur couverture médiatique, l’enjeu lié à la récolte et à l’analyse des données semble universel. “C’est difficile d’identifier des secteurs particuliers… Certains sont plus en avance que d’autres certes, mais aujourd’hui, tout type d’entreprise doit se poser la question de la data un jour. Nous avons d’ailleurs vu beaucoup de secteurs se pencher sur la question alors qu’on aurait jamais pu se l’imaginer ; le droit par exemple”.

______

Les données sont désormais omniprésentes dans un monde de plus en plus digital, et il devient urgent pour les entreprises de collecter et de conserver toutes les données générées, afin de ne pas rater une information importante, voire critique.

Or, la donnée est inutile si l’on a pas les compétences pour la structurer, la traiter et l’exploiter. Si ces trois métiers ont le vent en poupe depuis les 5 dernières années, c’est justement pour répondre à ces enjeux et inscrire les entreprises dans un nouveau mode de fonctionnement centré sur les données.

Que ce soit pour de l’analyse, de la business intelligence ou même de la prédiction, les données ont besoin de leurs bergers pour pouvoir dévoiler tout leur potentiel.

 

À propos de Gabriel : 

Après des études à l’ESSEC et à l’ESCP, Gabriel a fait le choix de se lancer sans attendre dans une aventure entrepreneuriale. En parallèle, il évolue en tant qu’ingénieur d’affaires dans une société de conseil en Digital. Amoureux de la nature, il poursuit actuellement, en cours du soir, des études de management des forêts.

L’article Pourquoi se former à la data science est une excellente idée est apparu en premier sur OpenClassrooms : le blog.

Les 10 métiers les plus recherchés dans le numérique

Par : Nora Leon


Quel emploi très recherché vous permettra de vous faire une place rapidement dans le numérique ?

80 000. C’était le nombre d’emplois à pourvoir en informatique rien qu’en 2018.

C’est aussi le nombre minimum de recrutements dans le numérique d’ici à 2020. De quoi se faire une place au soleil.

Concrètement, dans la Tech, on parle de 40 000 chefs de projets, 12 000 développeurs et 9 000 techniciens. Dans d’autres domaines, les recruteurs recherchent aussi une flopée d’experts en data, systèmes et réseaux, marketing et communication…

Ces emplois sont à pourvoir en Île-de-France (56%) et en province (43%), avec des bassins d’emplois notamment en Auvergne-Rhône-Alpes, en Provence-Alpes-Côte d’Azur, dans les Hauts-de-France, dans les Pays de la Loire, en Occitanie  ou encore en Grand-Est et Bretagne.

Voici les métiers très demandés auxquels vous pouvez vous former.

Développeur web

Il crée des sites web et donne vie aux maquettes. Responsable d’assembler les pages en HTML5 et CSS3 à partir de modélisations graphiques, le développeur web intègre les contenus (textes, images, sons, vidéos) dans le code. Il assure la compatibilité avec les différents moteurs de recherche et met en place la communication entre client et serveur, en plus de gérer les bases de données. Bref, un développeur web donne vie aux sites, de leur structure (le back) à leur apparence (le front).

Salaire brut annuel débutant : 29 000 à 34 000 €*
Ce métier peut aussi parfaitement s’exercer en tant qu’indépendant.
Voir la formation développeur web en 6 mois.

Développeur mobile

Il réalise des applications mobiles sur iOS ou sur Android. Analyse des besoins clients, définition des étapes de fonctionnement de l’application, développement, test et validation des fonctionnalités, support client et mise en place d’une documentation technique, correction des bugs… Tout y passe pour réaliser des applications mobiles fonctionnelles, fiables et viables.

Salaire brut annuel : 43 000 à 51 000 €*
Ce métier peut aussi parfaitement s’exercer en tant qu’indépendant.
Voir le parcours OpenClassrooms en 1 an en iOS ou Android

Chef de projet digital

Le chef de projet web est responsable de la réalisation de produits digitaux (sites, boutiques en ligne, applications web et mobiles, logiciels…). En tant que bon chef d’orchestre, il est responsable du planning et du budget et garant de la qualité des rendus. Pour mener à bien les projets, il coordonne les équipes de développeurs, designers et web marketeurs.

Ce profil polyvalent, entre développement, marketing digital et gestion de projet est très recherché, principalement en CDI. Ce métier peut s’exercer en entreprise, en agence ou SSII, en Île-de-France ou en province.

Salaire brut annuel : 30 000 à 39 000 €
Voir le parcours OpenClassrooms en 1 an

Administrateur systèmes, réseaux et cloud

Ce professionnel est un architecte : il conçoit les infrastructures systèmes et réseaux sur un site et/ou en cloud. Il le fait en adaptant son travail aux contraintes du système d’information de son entreprise. Il s’assure de la sécurité, administre les différents comptes utilisateurs et les droits d’accès, et stocke les données de manière sécurisée et viable.

En fonction de la taille de l’entreprise et du secteur, il gère tout le système d’information (3 à 30 000 machines) ou est expert d’une partie spécifique. Étant données les transformations au niveau des technologies du cloud, ce métier est en constante évolution et a de beaux jours devant lui.

Salaire brut annuel débutant : 30 000 à 35 000 €
Voir le parcours OpenClassrooms en 1 an

DevOps

Le DevOps a une double casquette de développeur et d’administrateur systèmes. Cela lui permet de faire le pont entre les équipes pour livrer les applications sans bugs, et les déployer facilement sur leurs infrastructures de destination.

Sans DevOps,  les équipes en développement et systèmes communiquaient peu ; désormais les applications peuvent être livrées et testées en continu.

Ce rôle, qui rend les activités des développeurs et administrateurs systèmes compatibles et optimisées, est de plus en plus central au sein des équipes techniques. Le métier n’existe que depuis 2009. Donc, les outils et pratiques sont encore à construire, ce qui explique l’ampleur que ce  profil devrait prendre dans les prochaines années, en entreprise comme en agence.

Salaire brut annuel débutant : 30 000 à 45 000 €
Voici quelques cours qui vous permettront d’acquérir les bonnes compétences : 

Expert en cybersécurité

L’expert en sécurité des SI protège les terminaux (PC, mobiles, objets connectés) et les systèmes d’information (serveurs, réseaux) des cyberattaques. Il doit également réaliser un audit des risques pour les diminuer et établir un protocole de gestion des menaces pour y répondre de manière optimale et réactive.

Le secteur de la cybersécurité est en train d’exploser : d’après une étude du cabinet Gartner, 90 milliards de dollars y ont été consacrés en 2017, et 81% des entreprises déclarent déjà avoir eu un problème de sécurité de l’information.

Tous secteurs confondus, la cybersécurité représente 9% des recrutements, selon le baromètre IMT des métiers du numérique. Parmi les secteurs les plus en demande, l’audit et le conseil (13%), les opérateurs télécoms (12%) et les éditeurs de logiciels (10%). Le besoin est croissant aussi dans le secteur des banques et assurances.

Salaire brut annuel débutant : 40 000 à 75 000 €
Voir le parcours OpenClassrooms en un an

Experts en Data science

Trois profils sont très recherchés :

– Le data analyst, qui prépare et nettoie des données et les analyse pour en tirer des conclusions ;

– Le data scientist, qui à partir de grandes quantités de données, établit des tendances et réalise des prédictions grâce aux statistiques ;

– Le data architect, qui crée l’architecture des serveurs permettant de traiter des données.

Ces métiers représenteraient 8% des demandes de professionnels tous secteurs confondus et atteindraient même 11% dans l’audit, le conseil et les industries télécoms électroniques, selon le baromètre IMT des métiers du numérique.

Salaire brut annuel débutant :
Data analyst : 29 000 à 38 000 €*
Data scientist  : 35 000 à 45 000 €*
Data architect : 40 000 à 50 000 €*
Voir les parcours OpenClassrooms :
Data analyst
Data scientist
Data architect

Community, Social Media Manager

Les marques prennent constamment la parole sur la toile et les réseaux sociaux. Dans ce contexte,  le community manager gère leur présence et anime leurs communautés.

Les missions du Social Media Manager sont hétéroclites. Il établit la stratégie social media, anime les communautés avec du contenu créatif, viral et reconnaissable, développe et monétise ses audiences, analyse les retombées et la réputation en ligne de l’organisation ou encore gère des communautés internes à l’entreprise.

Ces profils sont très recherchés en CDI ou en freelance.

Salaire brut annuel débutant : 26 000 à 40 000 €*
En freelance : 250 à 400 € par jour en fonction de l’expérience.
Voir le parcours OpenClassrooms en un an 

Digital brand Content Manager

Au croisement entre le métier de stratège de marque, Content Manager et Social Media Manager, ce profil hybride est garant des contenus de communication.

Pour populariser la marque, informer et convaincre les clients et créer de l’engagement, ce couteau suisse en marketing imagine, crée et diffuse ses contenus (articles de blog ou de presse vidéos, podcasts et posts sur les réseaux sociaux).

Ce profil stratégique est recherché à la fois en agence et en entreprise.

Salaire brut annuel : 30 000 à 60 000 € en fonction du profil**
Voir le parcours OpenClassrooms en un an

UX designer

L’UX designer (UX = User Experience) a pour mission d’optimiser l’expérience utilisateur, notamment sur un site ou une application. Il doit penser le parcours de l’utilisateur pour que celui-ci trouve facilement ce qu’il cherche et apprécie sa visite. L’UX designer doit donc interviewer les utilisateurs pour comprendre leurs besoins et leur logique, afin de proposer une ergonomie efficace. Il prend en compte les fonctionnalités, l’intuition, l’accessibilité et les objectifs de l’entreprise. Un casse-tête… passionnant !

Très recherché en agence comme en entreprise, l’UX designer peut également travailler en tant qu’indépendant. 

Salaire brut annuel débutant : 30 000 à 40 000 €
Voir le parcours OpenClassrooms en un an

Sources :

Études

* Selon l’étude sur les rémunérations du cabinet Robert Half 
** Selon l’étude du Blog du Modérateur en 2017
Baromètre IMP des métiers du numérique 2018
Expectra – Baromètre des salaires cadres 2018
Adzuna – Étude sur les métiers du numérique par région

Articles
80 000 emplois à pourvoir dans le numérique, par le laboratoire du numérique

À lire ensuite :

Devenir UX designer, est-ce une bonne idée ?
Découvrez l’UX design, le pendant numérique du métier d’architecte
À quoi ressemble le métier d’UX designer en start-up ?
La data science pour tous chez OpenClassrooms 
3 métiers porteurs du marketing et de la communication
Le mot de la pro : le community management selon Amandine Gleyzes
Le mot de la pro : le marketing opérationnel selon Amandine Richardot
Pourquoi changer de métier ?
Quel est le bon moment pour changer de métier ?
Quels sont les métiers les plus recherchés dans le numérique ?
OpenClassrooms, un modèle pédagogique par la pratique 

L’article Les 10 métiers les plus recherchés dans le numérique est apparu en premier sur OpenClassrooms : le blog.

❌