Accueil > Analytics > Data Analytics > Data science : apprendre la discipline en 8 étapes avec DataCamp
Data science iot data

Data science : apprendre la discipline en 8 étapes avec DataCamp

Le métier de data scientist a été surnommé par Harvard Business Review comme « le plus sexy du 21e siècle » en 2012 et « le meilleur emploi de l’année » en 2016 par Glassdoor. Data Camp a dévoilé une infographie qui résume la façon d’apprendre la data science en 8 étapes. 

Un métier encore méconnu

La position vis-à-vis de la data science a considérablement évolué au cours de ces quatre dernières années. En 2012, la majorité des articles visaient à expliquer le rôle du data scientist et son activité exacte. À l’époque, une recherche Google de « comment devenir un data scientist » montrait que ce concept pouvait avoir un grand nombre de significations. En 2016, c’est toujours le cas, la recherche donne toujours une variété d’articles présentant différentes opinions sur le sujet. Mais la majorité des articles se concentrent à expliquer les raisons pour lesquelles les data scientists sont des leaders et sont indispensables aux entreprises en pleine transformation digitale.

Ils sont très importants, car il existe très peu de data scientists répondant aux attentes des entreprises à ce jour, bien que la définition de ce métier ne soit pas encore fixe. Les offres d’emploi montrent que les sociétés recherchent des personnes ayant des compétences en communication, de la créativité, de l’intelligence, de la curiosité, de l’expertise technique et bien d’autres atouts. Souvent, en regardant les compétences requises, il est possible de penser que la data science est un secteur est peine perdue. 

Avec plus de demande que d’offre, l’attention que l’on porte aux équipes de data scientists est à la hausse. Cette demande pose une fois de plus la question de ce qu’est réellement la data science.

setwidth700-data-scientist

De nombreuses compétences requises

Tout comme la définition de data scientist, la définition de la data science a également de multiples facettes. En effet, il existe beaucoup de conseils pour les personnes voulant apprendre la data science. Évidemment, il n’existe pas de définition précise puisque cela dépend fortement de l’industrie et du contexte. Pour en savoir plus, il suffit de se référer à l’infographie “Become a Data Scientist in 8 Steps” crée par la société DataCamp, qui donne un aperçu des huit étapes à suivre pour devenir un data scientist. Certaines étapes peuvent être plus faciles que d’autres pour certains, en fonction de l’expérience. Cette infographie peut aussi bien s’adresser aux novices, aux informaticiens voulant travailler dans la data et même aux équipes de data scientists.

Pour faire court, il faut devenir compétent en statistiques, en mathématiques et en machine-learning, apprendre à coder, comprendre les bases de données, explorer le flux de travail de la data science et acquérir des compétences en Big Data. L’infographie conseille également de rejoindre des compétitions, rencontrer d’autres data scientists, suivre chaque tendance sur les réseaux sociaux et médias spécialisés. 

De plus, des connaissances de SQL, des langages Python, Java et R sont généralement requises. Contrairement aux spécialistes de l’analyse prédictive doivent savoir utiliser les bases de Python, un data scientist doit être capable de construire ses propres outils sur Python sans être limité à une ou deux bibliothèques. La connaissance de Python est l’une des qualités les plus importantes pour le recrutement. Ainsi, un apprenti data scientist n’ayant pas de connaissances en Java ou en C++ pourront se contenter d’une expérience en Python.

Une expérience en machine-learning est également appréciable pour le recrutement d’un data scientist. De plus en plus de développeurs comme Microsoft, Google ou Salesforce ajoutent du machine-learning à leurs applications. Les profils d’étudiants les plus recrutés sont des étudiants en mathématiques, statistiques, science informatiques, neurosciences, biologie ou psychologie informatique. Pour ceux qui n’ont pas eu la chance d’étudier dans ces domaines, il existe également de bons programmes proposant une formation intensive focalisée sur des compétences spécifiques. On pense notamment à Kaggle, proposant aux data scientists de s’affronter sur des problèmes complexes à résoudre avec également la possibilité de travailler sur des projets réels en collaboration.

Voici l’infographie réalisée par DataCamp :

data-scientist

A lire également

data visualization top meilleurs outils

Data Visualization : top des meilleurs outils de visualisation de données

Il est parfois difficile de présente des données de façon compréhensible à des personnes qui ne …

Send this to friend