Merci de redimensionner votre écran pour accéder au site
Article Upward
Se former en Data
Se former en Data
3 minutes de lecture | Ces dernières années, la Data a connu un essor sans précédent et ses métiers ont le vent en poupe. Il peut être tentant de s’y orienter au vu du contexte actuel, d’autant plus que la tendance continue de s’accentuer. Avant de se lancer, mieux vaut toutefois se poser les bonnes questions et cibler au mieux ses ambitions.
Faire le point sur ses compétences
Nous pouvons envisager quatre cas de figure classiques d’évolution vers les métiers de la Data en fonction de sa formation.
- Vous évoluez déjà en mathématiques/statistiques et souhaitez monter en compétences dans l’univers de la Data Science : dans ce cas-là, il faudra muscler vos connaissances en code pour être opérationnel rapidement.
- Vous êtes issu d’une école d’informatique et avez des compétences techniques en développement : les métiers en ingénierie (Big) Data sont pour vous le meilleur moyen de valoriser vos compétences IT. Pour être Data Scientist, il vous faudra de solides bases en mathématiques et statistiques. N’hésitez pas à consulter nos fiches métiers pour y trouver plus de détails.
- Vous êtes issu d’une école de commerce, avec éventuellement une spécialisation en Data, mais coder n’est pas votre domaine de compétence ? Vous pouvez alors prétendre à des postes moins techniques comme chef de projet Data ou Marketing Business Analyst.
- Enfin, vous êtes diplômé d’une école d’ingénieur, la formation privilégiée pour s’orienter vers la Data car les compétences pluridisciplinaires sont très appréciées : vous avez le choix en fonction de vos appétences personnelles. Il sera néanmoins utile de s’être spécialisé en mathématiques/statistiques ou en Computer Science au sein de l’école ; ou même d’avoir complété sa formation par un Master spécialisé en Data Science/Big Data.
Compléter sa formation ?
Il existe des MOOC (formations en ligne certifiantes) que vous pouvez réaliser seul et qui vous permettent d’acquérir les bases techniques et théoriques de la Data. Parmi ces différents MOOC, on retrouve notamment :
- Fondamentaux pour le Big Data de Mines-Télécom
- Machine Learning de Stanford sur la plateforme Coursera
- Programming for Data Science with Python sur la plateforme Udacity
S'auto-former ?
Quelle que soit la formation que vous envisagez de suivre, sachez que la Data demande un investissement personnel conséquent et une veille technologique constante.
Conseil Upward
Aller plus loin
En parallèle, nous vous conseillons de faire preuve de curiosité et de vous informer. Les métiers de la Data Science et du Big Data évoluent constamment. N’hésitez pas à rencontrer un maximum d’acteurs du secteur afin d’avoir une vision globale des problématiques et des enjeux. Renseignez-vous !
Ouvrages références
- Fluent Python de Luciano Ramalho
- An Introduction to Statistical Learning de Trevor Hastie
- Data Science : fondamentaux et étude de cas d’Éric Biernat et Michel Lutz
- L’apprentissage profond de Ian Goodfellow, Yoshua Bengio et Aaron Courville
- Comprendre le Deep Learning – Introduction aux réseaux de neurones de Jean-claude Heudin, Science eBook, 2016
- Intelligence artificielle, 3e édition de Stuart Russell et Peter Nrovig, Pearson, 2010
N’oubliez pas de consulter les documentations des différentes librairies, notamment des librairies Python scikit-learn et Pandas qui sont très bien faites.
Il existe également des événements, conférences et meetups dédiés au monde de la Data.
En novembre, se tient par exemple le salon DataJob, qui permet aux acteurs de la data de se rencontrer, d’échanger sur leurs projets et de faciliter les recrutements.
Participer à des Challenges Data
Après avoir acquis des compétences en Data, il est possible de se confronter à la pratique à travers de nombreux concours/challenges organisés en ligne. Les plus connus sont sans aucun doute Kaggle et Datascience.net.
Ces plateformes permettent aux entreprises de poser des problèmes de data science que les candidats résolvent par la suite. Les candidats obtenant les meilleures performances gagnent un prix.
On peut notamment citer le défi Titanic sur la plateforme Kaggle, idéal pour débuter, qui met en jeu du Machine Learning pour prédire la survie des passagers du célèbre navire.
Ces challenges sont un excellent moyen de se confronter à des cas et de monter en compétence.
Se reconvertir vers les métiers de la Data
Lors d’une reconversion quelle qu’elle soit, il faut accepter un temps de transition durant lequel, malgré des années d’expérience dans des domaines connexes, il faut souvent accepter des positions plus juniors.
Toutefois, comme la Data s’applique à de nombreux domaines, nous vous conseillons de débuter en Data dans le secteur où vous avez développé une expertise afin de valoriser au maximum votre expérience précédente.
Etant donné les perspectives de carrière diverse, une reconversion vers les métiers de la Data est donc tout à fait possible. Connaitre ses atouts, se former et faire preuve de curiosité vont permettront de faire de cette reconversion un succès.