Скачать или смотреть [Fr] Datacraft : un club data science et IA

Avec Isabelle Hilali, CEO et fondratrice de Datacraft, un club de data science et d'IA

Ce que j'ai observé sur l'univers de la data science et sur les data scientists, c'est que c'est un domaine sur lequel il faut apprendre tout le temps et tout va extrêmement vite.

Donc c'est vraiment compliqué d'être à la pointe en termes de compétences. C'est un univers où l'on a besoin de partager. On a toujours l'image du geek qui est seul derrière son micro, mais en fait, si on veut être bon. Il faut croiser les données et être imaginatif.

C'est un univers sur lequel il y a beaucoup de liberté puisque ça fait des métiers sur lesquels il y a la chance d'avoir de l'attention. Trop peu de bonnes compétences disponibles. Du coup, les data scientists peuvent un peu imposer la façon dont ils ont envie de travailler. Ils ont du de façon flexible. L'idée, c'était d'avoir un lieu qui donne envie de collaborer. Le Centre d'intelligence artificielle de la Sorbonne en fait qu'il a été imaginé pour permettre de se retrouver pour collaborer. C'est un lieu ouvert. Nous a proposé d'être hébergé ici et dans le futur.

En fait, il y aura d'autres bases data graph qui seront toutes imaginées autour de ce concept de collaboration et de responsabilité.

J'aimerais bien faire un portrait robot de la data scientist. Mais il y en a pour l'instant beaucoup moins. J'ai commencé par le data scientist au sens large. En fait, je dirais il n'y a pas de portrait robot parce qu'il y a déjà le mot data scientist. Souvent, on l'utilise un peu à tort et à travers. Ça recouvre différentes réalités. Souvent, il y a aussi le data ingénieur, le data scientist, le data analyst. Il y a besoin de préparer les données. IA a besoin de développer des modèles, d'intégrer aussi tout cela dans le système d'information. Donc, ça recoupe souvent différentes réalités. Il y a des gens qui ont une formation assez classique, une grande école d'ingénieurs ou une grande école de math et d'informatique. Mais il y a aussi des gens qui ont fait de la musique et après qu'ils se sont formés à l'adaptation et donc c'est assez multiple. Je peux peut être faire le portrait robot du bon data scientist qui va être performant dans une organisation. Il faut qu'il soit curieux. Il faut qu'il soit ouvert à l'organisation, dans la qualité, pour comprendre, pour pas faire un modèle abstrait qui ne servira à rien et qui comprennent les problématiques et qui se disent en allant chercher des données, en faisant de l'apprentissage machine, en développant des modèles, comment je peux aider à la connaissance, à la prise de décision.