Sérieusement, elle semble maîtriser le sujet ! Je suis captivé par la fluidité de son discours. Comme le dit N. Boileau : "Ce que l'on conçoit bien s'énonce clairement, et les mots pour le dire viennent aisément." ❤❤❤❤
Salut Natsha & Christelle. Merci pour ce premier numéro du PodCast. Très intéressante l'expérience de Christelle dans le domaine Data (Data Scientist, ML Engineer)... Tout était clair, chapeau bas mes soeurs.
Bravo et merci pour ce podcast instructif et inspirant ! Pouvez-vous également, s'il vous plaît, faire intervenir des Data Analyst, Data Scientist, ML Engineer du secteur Oil & Gas ? Cette industrie est également en pleine transformation digitale. Merci.
Vraiment très instructif ce podcast. Ça met vraiment en évidence la différence entre le data scientist et le ML ingénieur d'une part et le rôle du ML ingénieur dans le rendu du data ingénieur d'autre part.
Excellent contenu . Ça se voit qu’elle sait de quoi elle parle. Merci c’est vraiment boostant. Mais stp Natacha quel tablette utilises tu pour ton boulot ?
Discussion tres instructives.peut tu nous donner les ressources pour devenir data ingenieur ? Quelles sont les etapes?? Quels sont les cours et logiciels??
Bonjour Natacha, ça serait super intéressant de faire des podcasts aussi avec des data analysts ou data scientists spécialisés dans le domaine médical.
Un podcast très intéressant dont j’ai beaucoup appris sur les rôles de Data Engineer, Data Scientist et ML Engineer. Cependant, j’aimerais préciser qu’il existe une différence entre cloud privé et on-premise. Un cloud privé est une infrastructure hébergée dans un centre de données dédié ou virtualisé, accessible à distance via Internet ou un réseau privé, mais réservée à une seule organisation. Par exemple, Azure et AWS proposent des solutions de cloud privé offrant plusieurs services managés pour le déploiement automatisé et continu de modèles, avec une puissance de calcul élevée. En revanche, dans une solution on-premise, il est nécessaire de tout mettre en place soi-même, from scratch, car il s'agit d'une infrastructure déployée localement, dans les locaux de l’entreprise, avec des serveurs physiques gérés directement par l’équipe IT interne.
Merci pour ce podcast très intéressant. Je suis ingénieur de génie civil et je veux me lancer et devenir data scientist quel parcours me conseillez-vous ? Merci
Même si chaque entreprise a sa pratique interne, normalement le ML Engineer (comme son nom l'indique) est un métier qui a été créé pour faire gérer tout le pipeline ML, C'est lui qui est chargé de tester les modèles et choisir le meilleur modèle suivant les contrainte de l'entreprise. Ce n'est souvent pas lui qui est chargé du déploiement des modèles, c'est le rôle du software Engineer, parce qu'un modèle n'est en réalité qu'une petite partie dans une stack plus complète qu'il ne maîtrise pas. Même s'il y participe, le rôle principale du Data Sciencist n'est pas de créer des modèles de ML, son rôle est beaucoup plus vaste et comprend quasiment tous les autres métiers de la Data (Data Analyse, ML, DataViz, Business acumen...), en réalité beaucoup de gens utilise ce titre sans en avoir toutes les compétences
Oui deux formation: une pour apprendre la data sicence disponible ici: natacha-njongwa-yepnga.mykajabi.com/python-pour-la-data-science-passez-de-zero-a-heros et l'autre pour apprendre les statistiques
Bonjour Non, ils ont des rôles différents. Le Machine Learning Engineer se concentre sur le développement et la mise en production de modèles d'apprentissage automatique. L'Architecte (généralement architecte logiciel ou data) conçoit l'infrastructure globale pour les systèmes et les solutions, en s'assurant que tout fonctionne de manière fluide et scalable. Les deux travaillent ensemble, mais leurs responsabilités sont distinctes
@OmbrePale moi aussi ça fait la deuxième fois que je regarde cette vidéo. J'ai même chercher la vidéo DATAKDEMY épisode 25 où Christelle parle de sa transition de Data Scientist à MLOps Engineer. J'aimerai qu'elle bien qu'elle repasse sur cette chaîne pour donner plus de détails sur le métier de Data engenieer. En tout bravo👏👏👏👏👏
Merci beaucoup pour ton enthousiasme ! 😊 Si elle repasse sur la chaîne, quels sujets aimerais-tu qu'elle approfondisse ? Tes idées pourraient vraiment nous inspirer pour de futures vidéos !
@@LeCoinStat eh bien, elle a dit qu'elle a commencé en tant que data scientist chez Airbus. J'aimerais quelle nous partage l'expérience de sa transition de monde académique en tant qu'étudiante au monde du travail. Qu'est ce qui lui a facilité l'accès ? Comment elle a réussi à s'adapter ? Quelles difficultés a-t-elle rencontrer et comment les a-t-elle surmonté ? Par ailleurs, j'ai remarqué qu'elle ne s'est pas beaucoup apaisant sur le métier de data ingénieur. Qu'est ce qu'un étudiant en mathématiques (L3) peut comprendre où doit savoir sur ce métier s'il désire un jour devenir data ingénieur ? Est ce qu'elle peut donner des exemples concrets sur comment elle arrive a définir des métriques à partir de donner concrètes, puisque qu'elle a eu a effectuer plusieurs missions dans le monde de la data ?
@@LeCoinStat Merci à vous aussi pour les contenus de hautes qualités ! La gestion de la sécurité des modèles déployés en prod, les défis techniques lors du déploiement, des processus automatisés pour le retraining des modèles lorsque les performances chutent ...
Tres bonne explication mais il me semble que le Machine learning engineer c'est a la base un sofware engineer qui c'est specialise en Machine learning.
Merci pour ton retour ! En effet, le ML Engineer est souvent un software engineer qui se spécialise en machine learning. Il combine des compétences en développement logiciel et en modélisation d'algorithmes ML pour mettre en production des modèles efficaces!
Ben, quelle genre de fraude ? Si c'est au niveau des transactions, si tu peux imaginer une technique pour détecter une anomalie dans une liste de transaction, tu peux créer un modèle...Tu aura besoin d'un ML engineer pour que son système regarde les transactions en "live"
🎧 Écoutez l'épisode sur vos plateformes préférées :
Apple Podcasts : bit.ly/3Ns8Epf
RUclips : bit.ly/3BSdJ7v
Spotify : bit.ly/403dWPh
Deezer : bit.ly/3Y3AWv2
Data professionnal= Simplicité + humilité.
Félicitations a vous mesdames!
Sérieusement, elle semble maîtriser le sujet ! Je suis captivé par la fluidité de son discours.
Comme le dit N. Boileau : "Ce que l'on conçoit bien s'énonce clairement, et les mots pour le dire viennent aisément." ❤❤❤❤
Totalement d'accord 😊
Salut Natsha & Christelle. Merci pour ce premier numéro du PodCast. Très intéressante l'expérience de Christelle dans le domaine Data (Data Scientist, ML Engineer)... Tout était clair, chapeau bas mes soeurs.
Merci, ça fait vraiment plaisir 😊
ooooooh myyyyyy dayyyyyyys la qualité la qualité la qualité 💥💥💥. Bon courage et force à toi Natacha
Merci ☺️
Quelle maîtrise ! On sent tellement qu’elle maîtrise son sujet 😮
Tellement, j’ai aussi beaucoup appris en échangeant avec Christelle 😊
Merci beaucoup Natacha. C'est vraiment une masterclass au top. Vraiment je suis ravie de l'avoir écoutée.
Ça fait plaisir, prochain rendez-vous lundi prochain pour un nouveau podcast 😁
Bravo et merci pour ce podcast instructif et inspirant !
Pouvez-vous également, s'il vous plaît, faire intervenir des Data Analyst, Data Scientist, ML Engineer
du secteur Oil & Gas ?
Cette industrie est également en pleine transformation digitale.
Merci.
Avec plaisir !
Merci à vous aussi 🚀💥👌
Vraiment très instructif ce podcast. Ça met vraiment en évidence la différence entre le data scientist et le ML ingénieur d'une part et le rôle du ML ingénieur dans le rendu du data ingénieur d'autre part.
Merci pour votre retour!🚀💥👌
Échange très enrichissant. C'était un régal de vous écouter. Merci.
Avec plaisir 😊
Merci Pour ce Podcast. Je le trouve très édifiant. Beaucoup de courage pour la suite.
Merci beaucoup. J'espère vous retrouver chaque lundi pour les futurs podcasts 😊
Cet épisode est une pépite ! Merci pour ce contenu, Natacha.
Merci ☺️
Merci pour ce podcast assez riche et fourni.
Avec plaisir
j'ai adoré cette conversation! merci bcp pour partager votre conaissance! salut du Brésil 💟
Merci à vous 😊
Une vraie masterclass. Merci beaucoup.
Merci pour ce retour 😊
Très bon contenu et très bonne maîtrise du sujet. Chapeau bas à toutes les 2
Merci bien
je suis en première année de data science et IA, j'arrive en force pour aller chez google. Le contenu est au top.
J'ai hâte j'aimerais être ingénieur IA 😉
Bon courage et merci pour le retour sur le podcast 😊
L'éclairage est magique Natacha, très beau
Merci 😇
Super interview 😊 cest tres intéressant 😊 merci pour le partage 😊
Merci à toi 😊
Un grand bravo les filles vous êtes formidable. Keep going
Merci 😊
Super bravooo les filles chapeau quel niveau de connaissance
on dirait que vous êtes vraiment chez vous . Bravos
Merci 😊
Merci pour le podcast trop enrichissant
Ravie de savoir que tu le trouve enrichissant. Merci pour ce retour 😊
Intelligente et belle... Elle est exceptionnelle !!
Excellent contenu . Ça se voit qu’elle sait de quoi elle parle. Merci c’est vraiment boostant. Mais stp Natacha quel tablette utilises tu pour ton boulot ?
Voici lea caractéristiques de mon iPad:
iPad Air 13 pouces Wi‑Fi + Cellular 512 Go - Lumière stellaire puce M2
Merci 🙏
Discussion tres instructives.peut tu nous donner les ressources pour devenir data ingenieur ? Quelles sont les etapes?? Quels sont les cours et logiciels??
Interview très intéressante!
ça fait plaisir, Mercii
Bonjour Natacha, ça serait super intéressant de faire des podcasts aussi avec des data analysts ou data scientists spécialisés dans le domaine médical.
Vous pouvez retrouver ce podcast avec un biostatisticien ici:
ruclips.net/video/6bZThICwtIE/видео.htmlsi=fGYwvGVGzFP6UONq
@@LeCoinStat merci beaucoup
Bravooooo. Stp Nat pense à préparer des TPs simple et pratique du Software Engineer au ML engineer
Merci !🚀💥
merci pour ce que tu fais Natacha
Avec plaisir 😊 et merci!🚀💥
Un podcast très intéressant dont j’ai beaucoup appris sur les rôles de Data Engineer, Data Scientist et ML Engineer. Cependant, j’aimerais préciser qu’il existe une différence entre cloud privé et on-premise.
Un cloud privé est une infrastructure hébergée dans un centre de données dédié ou virtualisé, accessible à distance via Internet ou un réseau privé, mais réservée à une seule organisation. Par exemple, Azure et AWS proposent des solutions de cloud privé offrant plusieurs services managés pour le déploiement automatisé et continu de modèles, avec une puissance de calcul élevée.
En revanche, dans une solution on-premise, il est nécessaire de tout mettre en place soi-même, from scratch, car il s'agit d'une infrastructure déployée localement, dans les locaux de l’entreprise, avec des serveurs physiques gérés directement par l’équipe IT interne.
Merci pour votre analyse !🚀👌💥
Une masterclass 🎉
Je valide Jordan ☺️Merci pour ce retour
Natacha franchement c'est une très belle bonne félicitations et bravo à elle, très cohérente.
C est tout simplement waouh ❤
Merci William
Merci et bravo 👏👏👏
Merci à vous 😊
Bravo!
Merci🚀💥
Très bonne vidéo
Merci
Merci pour ce podcast très intéressant.
Je suis ingénieur de génie civil et je veux me lancer et devenir data scientist quel parcours me conseillez-vous ? Merci
J"ai fait une vidéo sur la roadmap à suivre en data science : ruclips.net/video/dEclQria-l8/видео.html
J ai une question qui m'inquiete :quels sont les metiers que l' IA va ecraser ???
Super
Thanks
Bravo!!!
J'ai une petite question, vous avez une groupe sur le whatsapp de Machine Learning ou de l'IA?
Je voudrais d'entrer.
Non, je n'en ai pas. Vous pouvez retrouver tous mes réseaux et communautés ici: linktr.ee/natacha.njongwa
Même si chaque entreprise a sa pratique interne, normalement le ML Engineer (comme son nom l'indique) est un métier qui a été créé pour faire gérer tout le pipeline ML, C'est lui qui est chargé de tester les modèles et choisir le meilleur modèle suivant les contrainte de l'entreprise. Ce n'est souvent pas lui qui est chargé du déploiement des modèles, c'est le rôle du software Engineer, parce qu'un modèle n'est en réalité qu'une petite partie dans une stack plus complète qu'il ne maîtrise pas.
Même s'il y participe, le rôle principale du Data Sciencist n'est pas de créer des modèles de ML, son rôle est beaucoup plus vaste et comprend quasiment tous les autres métiers de la Data (Data Analyse, ML, DataViz, Business acumen...), en réalité beaucoup de gens utilise ce titre sans en avoir toutes les compétences
Vous offrez des formations en ligne svp?
Oui deux formation: une pour apprendre la data sicence disponible ici: natacha-njongwa-yepnga.mykajabi.com/python-pour-la-data-science-passez-de-zero-a-heros et l'autre pour apprendre les statistiques
Pkoi la performance du modele diminue ???
La qualite des donnees
@@soniacarole7896 il faut clarifier votre reponse
@@zeinelabidineelbechir1421 dependant du type de donnes, on peut avoir des problemes lies a la distribution des donnes, la divesite des donnees. etc..
entre un machine ingenieur et un architect devops es ce qu'il joue le meme role ?
Bonjour
Non, ils ont des rôles différents. Le Machine Learning Engineer se concentre sur le développement et la mise en production de modèles d'apprentissage automatique. L'Architecte (généralement architecte logiciel ou data) conçoit l'infrastructure globale pour les systèmes et les solutions, en s'assurant que tout fonctionne de manière fluide et scalable. Les deux travaillent ensemble, mais leurs responsabilités sont distinctes
Faut vraiment qu'elle repasse dans ta chaine si possible... cela fait deux fois que je regarde la vidéo
@OmbrePale moi aussi ça fait la deuxième fois que je regarde cette vidéo. J'ai même chercher la vidéo DATAKDEMY épisode 25 où Christelle parle de sa transition de Data Scientist à MLOps Engineer. J'aimerai qu'elle bien qu'elle repasse sur cette chaîne pour donner plus de détails sur le métier de Data engenieer.
En tout bravo👏👏👏👏👏
@@lylionbatchi5642 Oui, il est impératif qu'elle fasse un come back. J'espère que @LeCoinStat va s'en charger très prochainement ! Masterclass le duo
Merci beaucoup pour ton enthousiasme ! 😊 Si elle repasse sur la chaîne, quels sujets aimerais-tu qu'elle approfondisse ? Tes idées pourraient vraiment nous inspirer pour de futures vidéos !
@@LeCoinStat eh bien, elle a dit qu'elle a commencé en tant que data scientist chez Airbus. J'aimerais quelle nous partage l'expérience de sa transition de monde académique en tant qu'étudiante au monde du travail. Qu'est ce qui lui a facilité l'accès ? Comment elle a réussi à s'adapter ? Quelles difficultés a-t-elle rencontrer et comment les a-t-elle surmonté ?
Par ailleurs, j'ai remarqué qu'elle ne s'est pas beaucoup apaisant sur le métier de data ingénieur. Qu'est ce qu'un étudiant en mathématiques (L3) peut comprendre où doit savoir sur ce métier s'il désire un jour devenir data ingénieur ?
Est ce qu'elle peut donner des exemples concrets sur comment elle arrive a définir des métriques à partir de donner concrètes, puisque qu'elle a eu a effectuer plusieurs missions dans le monde de la data ?
@@LeCoinStat Merci à vous aussi pour les contenus de hautes qualités ! La gestion de la sécurité des modèles déployés en prod, les défis techniques lors du déploiement, des processus automatisés pour le retraining des modèles lorsque les performances chutent ...
Tres bonne explication mais il me semble que le Machine learning engineer c'est a la base un sofware engineer qui c'est specialise en Machine learning.
Merci pour ton retour ! En effet, le ML Engineer est souvent un software engineer qui se spécialise en machine learning. Il combine des compétences en développement logiciel et en modélisation d'algorithmes ML pour mettre en production des modèles efficaces!
Un Ingénieur bigdata c'est lequel ?
Data ingénieur
Bsr Natacha ! Publie-nous un bouquin
Bien noté
Coment faire un modele anti fraude bancaire ??quelles sont les etapes a suivre??? est ce qu'ils existent d'autres modele anti fraudes???
Ben, quelle genre de fraude ? Si c'est au niveau des transactions, si tu peux imaginer une technique pour détecter une anomalie dans une liste de transaction, tu peux créer un modèle...Tu aura besoin d'un ML engineer pour que son système regarde les transactions en "live"
@jkhhahahhdkakkdh il existe autes types de fraudes bancaire?
@@zeinelabidineelbechir1421 oui..Les chèques, l'identité, Access .. Ma première réponse concerne les transactions avec les cartes bancaires
7 minutes: 2 pubs 😢
Votre invité ne metrise pas ce qu'elle dit 😢
C'est quoi cette definition entre Machine learning et Data Scientist?
Je suis choqué😢.
Arrete! Dis nous ta définition...