Hello, je me permet de réitérer.
Est-ce qu’il y a des personnes qui bossent sur des sujets lié à la data science ? Je posent la question pour m’aiguiller sur les demandes du marché, j’ai pas mal d’écho de personnes travaillant avec déjà dans le milieu mais j’aimerais confronté avec des personnes faisant du growth.
En ce moment la Data Science n’a pas trop la cote
Assez rare en start up et les pôles Data Science en grosses boîtes subissent des gros cut de ce que j’entends dans mon entourage
Pourtant data engineer est l’un des postes les plus recrutés, data analyst aussi, MLops fait partie du top 10
Par contre je te rejoins sur les cut, le secteur de la tech souffre dû une croissance exponentiel pendant la covid, mais j’ai entendu tout le contraire que la data science dans sa globalité était en plein essor sauf pour les pour scientist qui ne font que des algo d’IA
Pq tu ne les mets pas dans le même panier ?
Hello, j’ai commencé ma carrière comme data scientist avant de pivoter vers le Growth. De ce que j’ai pu ressentir, notamment chez ManoMano, c’est que le métier de DS généraliste devient minoritaire et que les profils tendent à se spécialiser en fonction des boîtes.
D’un côté tu as celles qui produisent des algo très poussés, car clés pour leur business (e.g : reco Spotify) ou carrément commercialisés (e.g : chatGPT).
C’est dans celles-ci que les chercheurs en ML/AI vont se concentrer. Ces places sont rares, et le niveau min est équivalent au top académique.
Et sachant que la mise en prod de ces algos est tout aussi vitale que leur création, le ML engineer occupe une place de choix. Ici, plutôt d’anciens DS qui sont montés en compétence sur la tech.
De l’autre, tu as les petites entreprises consommatrices de ces modèles. Pour elles, aucun besoin de réinventer la roue donc la bataille est davantage sur la qualité et l’analyse :
La DataEng qui permet de remonter les bonnes données, même très simples, aux métiers.
L’analyse, pour faire le lien entre language business et chiffres (aka: faire les bonnes requêtes SQL et éviter les biais d’interprétation)