Data science

Bonjour naforito,

L'optimisation est cruciale en data science : plusieurs algorithmes de machine learning (en particulier l'un des principes de base du deep learning) vont reposer sur de l'optimisation pour choisir les bons paramètres d'un modèle. Pour prendre l'exemple le plus simple possible, rien que la régression linéaire par moindres carrés consiste en une optimisation (minimisation des carrés des erreurs du modèle).

En principe, des bonnes bases de probabilités sont importantes pour faire correctement de la statistique mais aussi pour des modèles bien utiles comme les chaînes de Markov. Par contre, comme il s'agit d'un niveau M1, il se peut que ce cours soit inutilement théorique ou très utile (il faudrait que tu nous précises ce que contenait ce cours).

A priori, l'analyse fonctionnelle sert très peu voire pas du tout. Pour l'économétrie, je ne m'y connais pas assez mais ça peut être utile si c'est une variante des statistiques (par exemple, si ton cours d'économétrie aborde les séries temporelles, alors il est important).

Je suis dans la première année du master de statistique et big data, et mon rêve est de devenir un data scientiste

Rêve?

pour ce premier semestre on n'a étudié que des modules mathématiques (probabilité, analyse fonctionnelle, optimisation, économétrie...) du coup je ne sais pas est-ce que ces modules vont me servir après ?

Les cours théoriques sont toujours en premier, les applications c'est si on a le temps. :-D

mais pour le deuxième semestre on va étudier la modélisation par les chaînes de Markov, files d'attentes ainsi que les notions de martingale et temps d’arrêt.

Comme le dit :

Pour prendre l'exemple le plus simple possible, rien que la régression linéaire par moindres carrés consiste en une optimisation (minimisation des carrés des erreurs du modèle).

il faut passer aux applications va sur https://www.kaggle.com/ et fait le "Titanic: Machine Learning from Disaster" https://www.kaggle.com/c/titanic il y a d'autres "competitions" tu peux y rencontrer du monde et même y trouver un job (mais pas en France) d'ailleurs jette un œil aux offres d'emploi https://www.kaggle.com/jobs

Sur Kaggle, j'ai vu une offre en France il y a 2 ans et il n'y en a pas une actuellement, mais en Grande-Bretagne, Hollande, Allemagne si.

Les tarifs bruts débutants sont 400 € / j jusqu'à 1200 € / j séniors confirmés

http://www.journaldunet.com/business/salaire/data-scientist/salaire-01172 me semble correct.

De base je parlais de Kaggle pour s'entrainer... mais n'hésite pas à donner les liens vers les sites d'offres d'emploi.

@naforito : à part peut-être les martingales, tout ce que tu as cité est fondamental, notamment pour embrayer sur la statistique (je suppose que tu as aussi vu le théorème central limite).

@soleil vert : comme te le dit xax, il y a pas mal de postes de data scientist en France (je le sais d'autant mieux que j'en suis un moi-même). Par contre, comme d'habitude, il y a 10 à 20 fois plus de postes en Île-de-France que dans n'importe quelle agglo de province (il suffit de consulter Linkedin, Indeed ou Monster pour voir des offres dans des secteurs très variés).

@xax : les 400 à 1200€/jour sont probablement un prix de vente d'un consultant et non un salaire, celui--ci oscillant pour un début de carrière en région parisienne entre 38000 et 45000 € bruts annuels.

Je n'ai pas encore une idée c'est pour cela je vous demande des conseils

Fait les tutos www.kaggle.com

documente toi avec les bouquins les plus récents pour te faire une idée large du secteur

Même un livre d'une dizaine d'années est encore à la page! Au moins sur la théorie.

Il y a ce genre de livre https://www.eyrolles.com/Informatique/Livre/data-science-from-scratch-9781491901427/ sur comment implémenter soit même (ce que l'on ne fait pas en entreprise) les algos de bases.