LEBIGDATA.FR I.A, Cloud & Cybersécurité
Parmi les formations en Data Science, l'Executive Master Statistique & Big Data de Dauphine-PSL se distingue par plusieurs points forts. Découvrez pourquoi choisir ce cursus, à travers l'interview de l'alumni Redha Moulla.
La Data Science est en plein essor, et de nombreuses formations voient le jour. Pour les Data Scientists en herbe, il peut être difficile de choisir.
Afin de tirer son épingle du jeu, l'université Paris Dauphine-PSL a fait le choix de se démarquer par une approche atypique. Mais que pensent les étudiants ? Sont-ils satisfaits des compétences acquises à l'issue de leur formation ?
Pour le savoir, il semblait important de demander directement l'avis des alumnis. Nous nous sommes entretenus avec Redha Moulla, ancien de l'Executive Master Statistique & Big Data.
1) Pourquoi avoir choisi l'Executive Master Statistique & Big Data (EM SBD) pour poursuivre vos études ?
Le choix de l'Executive Master Statistique & Big Data a été pour moi assez naturel. Il y a d'abord l'institution Dauphine-PSL, qui est une place forte pour les mathématiques appliquées et les sciences de décision.
L'autre critère déterminant qui a guidé mon choix est le contenu pédagogique de la formation, qui se distingue très nettement des autres formations, très souvent axées sur le machine learning uniquement.
Or, lorsque j'ai commencé ma formation à Dauphine Executive Education, j'avais déjà quelques années de pratique en machine learning, dans la recherche aussi bien que dans le conseil.
La proposition pédagogique de l'Executive Master Statistique & Big Data était très différente : elle élargit le champ de la data science bien au-delà du machine learning, pour inclure les approches statistiques, l'analyse fonctionnelle, etc. C'est une conception de la data science qui résonnait parfaitement avec la mienne.
2) Quelles sont les clefs que vous a apportées la formation ? Qu'est-ce que vous retenez de votre formation ?
Le premier apport de la formation est peut-être de m'avoir aidé à structurer ma pensée, dans un domaine très hétérogène du point de vue de la diversité des techniques et des pratiques.
Plus spécifiquement, la formation a été l'occasion d'un tournant – qui avait déjà commencé avant – pour approfondir ma réflexion sur les approches bayésiennes avant de les adopter. Je pense également à des contenus auxquels je n'aurais sans doute pas eu accès autrement, comme la théorie des valeurs extrêmes.
3) Depuis l'obtention de votre diplôme, qu'êtes-vous devenu ?
À vrai dire, j'ai changé d'emploi au cours de la formation, en tant que manager data science dans un cabinet de conseil en transformation digitale. Aujourd'hui, je suis consultant indépendant et enseignant en data science.
4) Que pensez-vous du secteur du Big Data ? Quels sont les secteurs qui recrutent le plus ?
Il est un peu difficile de se faire une idée définitive du secteur du Big Data dans la mesure où il est en constante mutation. Les techniques et les pratiques changent à une vitesse qui peut paraître parfois insoutenable. En revanche, ce qui est constant et certain, c'est l'intérêt croissant pour les données de la part des entreprises, et nous n'en sommes sans doute qu'au début.
S'agissant des compétences recherchées, il y a actuellement beaucoup d'engouement pour ce que l'on appelle les ML Engineers, des profils qui combinent des connaissances à la fois en data science et en data engineering, à même de conduire un projet data science du traitement des données jusqu'à la mise en production.
5) Un dernier mot pour les étudiants qui souhaitent s'orienter dans le Big Data ?
Le conseil que je donne souvent aux étudiants et aux jeunes data scientists, d'une manière plus générale, est de se focaliser sur les données, la méthodologie et de ne pas négliger les aspects mathématiques.
Je suis convaincu que ce sont les clefs pour une pratique à la fois efficiente et responsable de la data science. Je crois que ce sont également les valeurs structurantes de l'Executive Master Statistique & Big Data de Dauphine Executive Education.
- Partager l'article :
