Thread by @ObjectifDataSci

Salut les copains

Je suis tout nouveau sur Twitter, et j'ai créé ce compte pour vous raconter un peu mes découvertes sur la Data Science.

Ca fait tout drôle ...

🔽🔽 Thread

#datascience #machinelearning #ia

1/ J'ai la quarantaine bien passée et j'ai une longue expérience dans l'IT.

Mon parcours en quelques mots : développeurs d'application d'Entreprises, chef de projet, DSI, puis ensuite une longue expérience de conseil en management ou j'ai aidé mes clients à gérer leurs projets.

2/ Dans cette expérience, pas trop de sujets concernant la Data Science.

Et puis voilà que dans ma boîte, il y a maintenant 5 ans, un petit pôle de data scientistes s'est créé.

3/ J'en connaissais quelques uns, et ce qu'ils me racontaient sur leurs sujets m'interrogeait, voire me fascinait.

J'ai commencé à m'intéresser furieusement au sujet, en lisant beaucoup sur le sujet (articles de blog, bouquins), en regardant des vidéos sur Youtube.

4/ Bref, ce que tout le monde fait quand de nos jours, on a envie d'apprendre.

Et alors, j'ai assez vite compris les enjeux qui entourent le domaine de l'IA (travaillant sur des projets tech, on est naturellement sensibilisé)

5/ mais j'ai également vite compris qu'il fallait que j'entre vraiment dans la technique pour bien comprendre tout cela.

Et c'est à ce moment que j'ai commencé à aller plus loin dans mes recherches et à enchaîner les formations pour essayer de comprendre le fond des sujets.

6/ On trouve de tout sur internet (quelle époque !) :

- des formations incroyables en anglais du MIT ou de Stanford ou les profs sont filmés pendant leurs cours
- des conférences très intéressantes
- des MOOCS sur plusieurs mois avec de la théorie et des exercices pratiques

7/ On va pas se mentir. Les premiers mois ont été douloureux, non, hyper douloureux.

> Soit j'étais frustré car les cours n'allaient pas assez loin dans l'explication (je voulais vraiment comprendre ce qui se passait dans les différents modèles)

8/ > soit je ne comprenais pas grand chose, car mes cours de maths de classes prépas et d'école d'ingé étaient bien loin derrière moi.

Très, très loin ... Je ne savais même plus faire une dérivation ou une multiplication de matrices.

Bref ...

9/ Bon, je me suis quand même accroché.

Et pendant toute cette phase d'apprentissage, j'ai vraiment eu des moments de déclics.

Et ça, c'est ce que j'aimerais vous les partager sur ce compte Twitter.

10/ Pourquoi je fais cela ?

Le plaisir de partager, le besoin de formaliser ce que j'ai appris ...

Mais pas que.

Ce que je constate, c'est que beaucoup de personnes qui font de la Datascience savent manipuler les outils et les bibliothèques Python ou R, ou tout autre outil.

11/ Ces datascientits sont capables de mettre en place un modèle de classification ou de régression en Computer Vision, NLP grâce à 10 lignes de codes.

Et cela marche bien.

Et cela suffit pour leur job ou leur mission.

12/ Mais dès qu'on veut creuser un peu, on se rend compte que les concepts qu'il y a derrière sont insuffisamment compris pour aller plus loin.

Et ça, c'est vraiment dommage.

Et ça m'agace un peu.

13/ Pourquoi ?

Quand on regarde ce qui a fait le boom de la datascience ces dernières années, outre l'explosion du volume de données, il y a un autre phénomène qui se passe et qui a role hyper important.

Sans lui, pas de progrès aussi fulgurant.

C'est quoi ?

14/ C'est simplement de tester de nouvelles idées très vite.

Ensuite de les modifier un petit peu parce qu'on pense qu'un petit changement par ci ou par là aura de gros impacts.

Et aussi le fait d'utiliser des modèles sur d'autres cas d'usage et de voir ce que cela donne.

15/ Les exemples ne manquent pas

Dernièrement on peut citer le mécanisme de l'attention, qui a donné ensuite naissance aux Transformers dans le monde du NLP, et qui maintenant s'applique dans la Vision

Ce n'est qu'un exemple

Chaque équipe dans ses projets le vit tous les jours

16/ Tout cela, c'est possible si on comprend a minima ce qui se passe sous le capot.

Vous êtes en phase ?

C'est pour cela que j'ai pris cette initiative

17/ Bref, je vais vous partager tout cela en essayant de vous le rendre aussi clair que possible.

Je vais essayer de construire le contenu que j'aurais aimé lire dans ma première phase d'apprentissage de la data Science.

Et de vous le partager sur ce compte

18/ Vous êtes prêts ?

Parce que, moi je le suis

Même si j'ai un peu les choquottes de faire tout cela.

19/ A très vite pour la suite !