logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
Menu
mobile logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
Retours aux métiers

Data Scientist : l’explorateur de données complexes

Le data scientist est expert en mathématiques, statistique et informatique. Ce métier d’explorateur de la donnée relève, selon les profils – plutôt orientés mathématique ou informatique –, de la recherche, du développement d’algorithmes, voire de l’industrialisation de solutions.

Selon les cas, le data scientist peut travailler sur des problèmes plus ou moins appliqués ou faire de la recherche pour une entité publique ou privée. Dans le premier cas, avec des compétences plus orientées informatique, il code et développe des algorithmes avancés pour répondre aux enjeux et aux problématiques stratégiques de l’entreprise. En allant à la rencontre des métiers pour en définir les besoins et en collaborant avec les équipes de R&D, il apporte son expertise en techniques et algorithmes d’apprentissage automatique et en systèmes d’intelligence artificielle. Il intervient à toutes les étapes de la chaîne de données : définition du problème, collecte des données, nettoyage, mise en place des modèles prédictifs et création des algorithmes. Il a d’excellentes capacités de communication et sait adapter son discours à chacun.

Concernant le data scientist orienté recherche, différents cas de figure existent. Certains chercheurs font progresser les techniques et technologies au cœur des différentes disciplines des data sciences (machine learning, apprentissage profond, etc.). D’autres utilisent les techniques de la data science, notamment l’intelligence artificielle, pour faire avancer les recherches dans leur propre discipline. D’autres encore mettent à profit les évolutions de la data science dans leur propre domaine d’activité : designers, juristes, sociologues, économistes…

Formation :

– masters ou thèses en informatique, sciences cognitives, statistiques, mathématiques… ;

– bac + 4-5 en mathématiques-statistiques ou informatique ;

– formation big data ;

– expérience professionnelle (Data Analyst).

Télécharger cette fiche
MOTS CLÈS
  • Recherche en machine learning, deep learning
  • Développement de modèles en open source
AU QUOTIDIEN
  • Explorer de nouvelles pistes dans les ensembles de données et tester des hypothèses
  • Créer de nouveaux modèles de données
  • Concevoir des algorithmes à base de machine learning et les implémenter
COMPÉTENCES
  • Maîtrise du machine learning, deep Learning, Random Forests, modèles de Markov cachés, SVM, régression, séries temporelles, traitement du signal…
  • Maîtrise des outils Big data
  • Maîtrise de Python, R , Java, C, C++, Matlab, écosystème Hadoop, Spark…
  • Esprit d’équipe, communication, ouverture d’esprit, créativité, curiosité, transdisciplinarité
  • Sensibilité aux enjeux business, notamment dans les secteurs comme le marketing, le web, la publicité…
diagramme de compétences
du data scientist
DAP, la newsletter du Data Analytics Post Recevez chaque semaine un éclairage sur les data science

Peut-on laisser un algorithme apprendre tout seul ?

A la différence de l’apprentissage supervisé, le contexte non supervisé est celui où l’algorithme doit opérer à partir d’exemples non annotés.

En savoir plus

ARTICLES RÉCENTS
  • Parkinson : l’IA améliore le diagnostic
  • L’IA au chevet des séismes et tsunamis
  • François Yvon :
    la traduction automatique pour passion
  • En attendant l’ordinateur quantique universel…
  • L’IA teste ses premiers algorithmes quantiques

Tout savoir sur…

Le DAP

Comité Éditorial

Partenaires

Équipe


Copyright © Data Analytics Post. Tous droits réservés.

Mentions légales & CGU