Comment devenir Data Scientist ?

1. Pouvez-vous nous parler de votre parcours professionnel ?

J’ai d’abord rejoint l'équipe Twister Pole SI de Davidson Consulting en 2018. Au sein de cette équipe, j'ai travaillé sur des projets d'intelligence artificielle, notamment des systèmes de recommandation et des agents conversationnels (chatbots).

Par la suite, j'ai passé un an et demi en tant que Consultant Data Engineer au sein d’Air Liquide Health Care, où j'ai contribué à la mise en place d'un projet SI pour les dispositifs médicaux et les hôpitaux connectés. Mon rôle consistait à mettre en œuvre et industrialiser des workflows et des pipelines pour gérer d'importantes volumes de données provenant de sources diverses telles que le Cloud, les dispositifs IoT, Salesforce Air Liquide, etc 

Actuellement, en tant que Senior Data Scientist et Consultant Tech Lead Data chez France Télévision, au sein de l'équipe DAIA (Data & IA), je continue à mettre en pratique mon expertise au service de l'innovation et de la transformation des données. Mon parcours professionnel reflète ma passion pour le domaine de la Data Science et ma volonté de relever des défis stimulants au sein de grandes organisations.

2. En quoi consiste concrètement le métier de Data Scientist au quotidien  

Le métier de Data Scientist est multifacette. Il englobe l'implémentation de modèles et de workflows d'apprentissage automatique, la revue de code de collègues pour garantir une intégration et un déploiement réussis, des séances de grooming pour analyser les besoins fonctionnels, la résolution de problèmes liés aux bugs en production, ainsi qu'une participation active à des réunions agiles.

3. Quel aspect de ce métier vous intéresse le plus ?

Ce qui m'enthousiasme le plus dans le métier de data scientist, c'est la capacité à exploiter des modèles mathématiques, des algorithmes et des frameworks technologiques pour résoudre des problèmes métier à travers la création de produits digitaux dotés d'une intelligence artificielle fiable et robuste.

4. Pourquoi avoir choisi l’Université Paris Dauphine-PSL pour vous former ?

J'ai choisi l'Université Paris Dauphine-PSL en raison de la qualité exceptionnelle de l'enseignement qu'elle offre. Les professeurs tels que Caznave, Colazzo, Khalid, entre autres, sont des pionniers et des experts reconnus dans leurs domaines respectifs. Leur expertise m'a permis de bénéficier d'un apprentissage de premier ordre et d'acquérir des connaissances approfondies. Les interactions en classe avec ces éminents professeurs ont été extrêmement enrichissantes, et j'ai grandement apprécié chaque moment passé à leurs côtés. La réputation d'excellence de l'Université Paris Dauphine-PSL et la qualité de son corps professoral en font l'endroit idéal pour développer mes compétences et poursuivre ma formation académique.

5. Quelle est LA compétence indispensable que vous a apporté le Master Big Data Intelligence Artificielle pour faire carrière dans ce secteur, et qui vous sert encore aujourd’hui ?

Le Master Big Data Intelligence Artificielle de Dauphine m'a doté d'une compétence cruciale : la maîtrise des algorithmes de réseaux neuronaux. Cette compétence a façonné ma carrière depuis ses débuts jusqu'à aujourd'hui. Les réseaux neuronaux sont au cœur de l'intelligence artificielle, et ma capacité à les comprendre et à les appliquer m'a permis de résoudre des problèmes complexes, d'analyser des données massives et d'élaborer des solutions innovantes. Cette compétence demeure essentielle dans un secteur en constante évolution, me permettant de rester pertinent et de contribuer au progrès technologique.

6. Quel conseil donneriez-vous a un étudiant souhaitant se tourner vers une carrière d’un data scientist ?

Pour réussir en tant que data scientist, il est essentiel de maîtriser les modèles mathématiques, tout en restant constamment à jour avec les avancées technologiques et les tendances actuelles. L'intelligence artificielle évolue rapidement, ce qui nécessite une adaptation continue. Il est conseillé de développer des compétences en programmation, en particulier dans des langages tels que Python ou R, et de pratiquer régulièrement en résolvant des problèmes réels. La communication est également cruciale, car il est nécessaire de traduire des résultats complexes en informations compréhensibles pour les parties prenantes. Enfin, cherchez à acquérir de l'expérience pratique par le biais de projets personnels, de stages ou de collaborations avec des professionnels du domaine. La combinaison de solides compétences techniques, de mise à jour constante et d'expérience pratique vous préparera au mieux pour une carrière réussie de data scientist.

Ahmed Ouederni 
Data Scientist 
Diplômée du Master Big Data IA