undefined cover
undefined cover
#6 : Charles Sutton (CTO @ DataScientest)  - La pédagogie de la data cover
#6 : Charles Sutton (CTO @ DataScientest)  - La pédagogie de la data cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#6 : Charles Sutton (CTO @ DataScientest) - La pédagogie de la data

#6 : Charles Sutton (CTO @ DataScientest) - La pédagogie de la data

36min |08/01/2023|

1069

Play
undefined cover
undefined cover
#6 : Charles Sutton (CTO @ DataScientest)  - La pédagogie de la data cover
#6 : Charles Sutton (CTO @ DataScientest)  - La pédagogie de la data cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#6 : Charles Sutton (CTO @ DataScientest) - La pédagogie de la data

#6 : Charles Sutton (CTO @ DataScientest) - La pédagogie de la data

36min |08/01/2023|

1069

Play

Description

Ils ont voulu développer une petite plateforme de test pour le recrutement en Data Science et ils ont fini par créer un énorme organisme de formation continue en data.

👉 Quelle place pour les autodidactes dans le monde de la Data ?

👉 Comment s’adapter efficacement aux profils très différents qui souhaitent se former ?

👉 Comment rester au courant des pratiques d’entreprise dans ce monde en constante évolution ?

Charles Sutton, CTO de DataScientest, est l’invité de Marc Sanselme dans l’épisode 6 de Data Driven 101.

Il nous partage le recul que lui offre sa position d’entrepreneur qui a vu passer plus de 7000 apprenants.


Définitions  / références 


Skill assessment : Évaluation de compétence (recrutement)

Python : langage de programmation 

Coursera : plate-forme de cours en ligne 

IT : technologie de l’information (ordinateurs, stockage, réseaux…)

B to B : business to business, commerce d’entreprise à entreprise 

Boot camp : programme intensif

MOOC (Massive Open Online Course) : Cours en ligne via une plateforme

Notebook : interface de programmation très utilisée en Data Science

Computer Vision : Branche de l’algorithmique qui concerne le traitement des images et de leur signification

NLP (Natural Language Processing) : Branche de l’algorithmique qui concerne le traitement du texte et de sa signification

Flagship : Produit phare

Deep learning (réseaux de neurones profonds) : Type d’algorithme de Machine Learning

MLOps : Gestion de la maintenance, du déploiement et de l’utilisation en production des modèles de Machine Learning

ML engineering (Machine Learning Engineering) : Ingéniérie autour du Machine Learning

PhD : doctorat 

BI (Business Intelligence) : Analyse de donnée destinée à une meilleure compréhension du business

Doers : « faiseurs » , ce qui font 

Software: logiciel

PoC : Proof of Concept, Démonstration de faisabilité 

Data Warehouse : Infrastructure de stockage des données sous forme structurées

Data Lake : Infrastructure de stockage des données sous forme non-structurées

BU : BUSINESS UNIT, sous partie d’une organisation dédiée à un marché spécifique 

Power BI (Microsoft) : Logiciel de Business Intelligence

DBT : Logiciel de Data Engineering


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Chapitre 1 : Introduction

    00:55

  • Chapitre 2 : Présentation

    01:44

  • Chapitre 3 : La naissance et l'évolution de la boîte

    02:38

  • Chapitre 4 : La méthodologie pédagogique

    05:59

  • Chapitre 5 : La plateforme de skill assessment

    09:03

  • Chapitre 6 : Les différents profils d'apprenants

    10:52

  • Chapitre 7 : Comment apprendre les maths en ligne ?

    14:47

  • Chapitre 8 : Qui sont les profs de DataScientest ?

    17:19

  • Chapitre 9 : Persona type d'entreprises clientes

    20:07

  • Chapitre 10 : Comment rester au fait des tendances ?

    24:24

  • Chapitre 11 : La data pour piloter l'entreprise

    29:02

  • Chapitre 12 : La data pour tous

    32:49

  • Chapitre 13 : Écouter les spécialistes

    34:14

  • Chapitre 14 : Conclusion

    35:37

Description

Ils ont voulu développer une petite plateforme de test pour le recrutement en Data Science et ils ont fini par créer un énorme organisme de formation continue en data.

👉 Quelle place pour les autodidactes dans le monde de la Data ?

👉 Comment s’adapter efficacement aux profils très différents qui souhaitent se former ?

👉 Comment rester au courant des pratiques d’entreprise dans ce monde en constante évolution ?

Charles Sutton, CTO de DataScientest, est l’invité de Marc Sanselme dans l’épisode 6 de Data Driven 101.

Il nous partage le recul que lui offre sa position d’entrepreneur qui a vu passer plus de 7000 apprenants.


Définitions  / références 


Skill assessment : Évaluation de compétence (recrutement)

Python : langage de programmation 

Coursera : plate-forme de cours en ligne 

IT : technologie de l’information (ordinateurs, stockage, réseaux…)

B to B : business to business, commerce d’entreprise à entreprise 

Boot camp : programme intensif

MOOC (Massive Open Online Course) : Cours en ligne via une plateforme

Notebook : interface de programmation très utilisée en Data Science

Computer Vision : Branche de l’algorithmique qui concerne le traitement des images et de leur signification

NLP (Natural Language Processing) : Branche de l’algorithmique qui concerne le traitement du texte et de sa signification

Flagship : Produit phare

Deep learning (réseaux de neurones profonds) : Type d’algorithme de Machine Learning

MLOps : Gestion de la maintenance, du déploiement et de l’utilisation en production des modèles de Machine Learning

ML engineering (Machine Learning Engineering) : Ingéniérie autour du Machine Learning

PhD : doctorat 

BI (Business Intelligence) : Analyse de donnée destinée à une meilleure compréhension du business

Doers : « faiseurs » , ce qui font 

Software: logiciel

PoC : Proof of Concept, Démonstration de faisabilité 

Data Warehouse : Infrastructure de stockage des données sous forme structurées

Data Lake : Infrastructure de stockage des données sous forme non-structurées

BU : BUSINESS UNIT, sous partie d’une organisation dédiée à un marché spécifique 

Power BI (Microsoft) : Logiciel de Business Intelligence

DBT : Logiciel de Data Engineering


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Chapitre 1 : Introduction

    00:55

  • Chapitre 2 : Présentation

    01:44

  • Chapitre 3 : La naissance et l'évolution de la boîte

    02:38

  • Chapitre 4 : La méthodologie pédagogique

    05:59

  • Chapitre 5 : La plateforme de skill assessment

    09:03

  • Chapitre 6 : Les différents profils d'apprenants

    10:52

  • Chapitre 7 : Comment apprendre les maths en ligne ?

    14:47

  • Chapitre 8 : Qui sont les profs de DataScientest ?

    17:19

  • Chapitre 9 : Persona type d'entreprises clientes

    20:07

  • Chapitre 10 : Comment rester au fait des tendances ?

    24:24

  • Chapitre 11 : La data pour piloter l'entreprise

    29:02

  • Chapitre 12 : La data pour tous

    32:49

  • Chapitre 13 : Écouter les spécialistes

    34:14

  • Chapitre 14 : Conclusion

    35:37

Share

Embed

You may also like

Description

Ils ont voulu développer une petite plateforme de test pour le recrutement en Data Science et ils ont fini par créer un énorme organisme de formation continue en data.

👉 Quelle place pour les autodidactes dans le monde de la Data ?

👉 Comment s’adapter efficacement aux profils très différents qui souhaitent se former ?

👉 Comment rester au courant des pratiques d’entreprise dans ce monde en constante évolution ?

Charles Sutton, CTO de DataScientest, est l’invité de Marc Sanselme dans l’épisode 6 de Data Driven 101.

Il nous partage le recul que lui offre sa position d’entrepreneur qui a vu passer plus de 7000 apprenants.


Définitions  / références 


Skill assessment : Évaluation de compétence (recrutement)

Python : langage de programmation 

Coursera : plate-forme de cours en ligne 

IT : technologie de l’information (ordinateurs, stockage, réseaux…)

B to B : business to business, commerce d’entreprise à entreprise 

Boot camp : programme intensif

MOOC (Massive Open Online Course) : Cours en ligne via une plateforme

Notebook : interface de programmation très utilisée en Data Science

Computer Vision : Branche de l’algorithmique qui concerne le traitement des images et de leur signification

NLP (Natural Language Processing) : Branche de l’algorithmique qui concerne le traitement du texte et de sa signification

Flagship : Produit phare

Deep learning (réseaux de neurones profonds) : Type d’algorithme de Machine Learning

MLOps : Gestion de la maintenance, du déploiement et de l’utilisation en production des modèles de Machine Learning

ML engineering (Machine Learning Engineering) : Ingéniérie autour du Machine Learning

PhD : doctorat 

BI (Business Intelligence) : Analyse de donnée destinée à une meilleure compréhension du business

Doers : « faiseurs » , ce qui font 

Software: logiciel

PoC : Proof of Concept, Démonstration de faisabilité 

Data Warehouse : Infrastructure de stockage des données sous forme structurées

Data Lake : Infrastructure de stockage des données sous forme non-structurées

BU : BUSINESS UNIT, sous partie d’une organisation dédiée à un marché spécifique 

Power BI (Microsoft) : Logiciel de Business Intelligence

DBT : Logiciel de Data Engineering


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Chapitre 1 : Introduction

    00:55

  • Chapitre 2 : Présentation

    01:44

  • Chapitre 3 : La naissance et l'évolution de la boîte

    02:38

  • Chapitre 4 : La méthodologie pédagogique

    05:59

  • Chapitre 5 : La plateforme de skill assessment

    09:03

  • Chapitre 6 : Les différents profils d'apprenants

    10:52

  • Chapitre 7 : Comment apprendre les maths en ligne ?

    14:47

  • Chapitre 8 : Qui sont les profs de DataScientest ?

    17:19

  • Chapitre 9 : Persona type d'entreprises clientes

    20:07

  • Chapitre 10 : Comment rester au fait des tendances ?

    24:24

  • Chapitre 11 : La data pour piloter l'entreprise

    29:02

  • Chapitre 12 : La data pour tous

    32:49

  • Chapitre 13 : Écouter les spécialistes

    34:14

  • Chapitre 14 : Conclusion

    35:37

Description

Ils ont voulu développer une petite plateforme de test pour le recrutement en Data Science et ils ont fini par créer un énorme organisme de formation continue en data.

👉 Quelle place pour les autodidactes dans le monde de la Data ?

👉 Comment s’adapter efficacement aux profils très différents qui souhaitent se former ?

👉 Comment rester au courant des pratiques d’entreprise dans ce monde en constante évolution ?

Charles Sutton, CTO de DataScientest, est l’invité de Marc Sanselme dans l’épisode 6 de Data Driven 101.

Il nous partage le recul que lui offre sa position d’entrepreneur qui a vu passer plus de 7000 apprenants.


Définitions  / références 


Skill assessment : Évaluation de compétence (recrutement)

Python : langage de programmation 

Coursera : plate-forme de cours en ligne 

IT : technologie de l’information (ordinateurs, stockage, réseaux…)

B to B : business to business, commerce d’entreprise à entreprise 

Boot camp : programme intensif

MOOC (Massive Open Online Course) : Cours en ligne via une plateforme

Notebook : interface de programmation très utilisée en Data Science

Computer Vision : Branche de l’algorithmique qui concerne le traitement des images et de leur signification

NLP (Natural Language Processing) : Branche de l’algorithmique qui concerne le traitement du texte et de sa signification

Flagship : Produit phare

Deep learning (réseaux de neurones profonds) : Type d’algorithme de Machine Learning

MLOps : Gestion de la maintenance, du déploiement et de l’utilisation en production des modèles de Machine Learning

ML engineering (Machine Learning Engineering) : Ingéniérie autour du Machine Learning

PhD : doctorat 

BI (Business Intelligence) : Analyse de donnée destinée à une meilleure compréhension du business

Doers : « faiseurs » , ce qui font 

Software: logiciel

PoC : Proof of Concept, Démonstration de faisabilité 

Data Warehouse : Infrastructure de stockage des données sous forme structurées

Data Lake : Infrastructure de stockage des données sous forme non-structurées

BU : BUSINESS UNIT, sous partie d’une organisation dédiée à un marché spécifique 

Power BI (Microsoft) : Logiciel de Business Intelligence

DBT : Logiciel de Data Engineering


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Chapitre 1 : Introduction

    00:55

  • Chapitre 2 : Présentation

    01:44

  • Chapitre 3 : La naissance et l'évolution de la boîte

    02:38

  • Chapitre 4 : La méthodologie pédagogique

    05:59

  • Chapitre 5 : La plateforme de skill assessment

    09:03

  • Chapitre 6 : Les différents profils d'apprenants

    10:52

  • Chapitre 7 : Comment apprendre les maths en ligne ?

    14:47

  • Chapitre 8 : Qui sont les profs de DataScientest ?

    17:19

  • Chapitre 9 : Persona type d'entreprises clientes

    20:07

  • Chapitre 10 : Comment rester au fait des tendances ?

    24:24

  • Chapitre 11 : La data pour piloter l'entreprise

    29:02

  • Chapitre 12 : La data pour tous

    32:49

  • Chapitre 13 : Écouter les spécialistes

    34:14

  • Chapitre 14 : Conclusion

    35:37

Share

Embed

You may also like