Devenir Data Scientist sans diplôme d'ingénieur !

Myriam Emilion
Par 
Myriam Emilion
Directrice Marketing
Dernière mise à jour le 
14
 
November
 
2023
Devenez Data Scientist et donnez un tournant décisif à votre carrière !
Découvrir notre formation
Devenir Data Scientist sans diplôme d'ingénieur !
Sommaire

Certains de nos élèves se posent la question : “je n’ai pas de diplôme d’ingénieur, est ce que je peux vraiment devenir Data Scientist ou au moins entamer une carrière dans la data ?”. La réponse est oui. Même si un tel diplôme aide, il n’est pas nécessaire d’avoir un master en ingénierie ou en statistiques pour se reconvertir en Data Scientist. Un des meilleurs moyens d’obtenir un job est d’avoir de l’expérience. De l'expérience ? Cela s’acquiert par des projets comme ceux que nous avons conçus pour nos formations. Développons la notion dans cet article.

Devenez Data Scientist et donnez un tournant décisif à votre carrière !
Découvrir notre formation
Formation IAFormation IA

Pourquoi devenir Data Scientist ?

Devenir Data Scientist peut être une excellente opportunité pour toutes personnes passionnées par les données et la résolution de problèmes complexes. Le Data Scientist est le professionnel qui va donner de la valeur à la donnée d’une entreprise. Le métier de Data Scientist est vraiment transverse, que vous souhaitiez devenir Data Scientist Freelance ou non. Alors, les missions sont donc variées.

Quel est le salaire d'un Data Scientist ?

Ce métier en également en perpétuel évolution. le salaire de cet expert en data science est aussi une bonne raison de se pencher vers ces métiers :

  • Un Data Scientist Junior gagne en moyenne entre 36.000 et 42.000€.
  • Une Data Scientist avec une expérience de plus de 4 ans gagne en moyenne entre 38.000 et 45.000€.
  • Un Data Scientist Senior va gagner en moyenne entre 54.000 et 65.000€ / an (sans compter les primes).

Le salaire d'un Data Scientist dépend selon le pays, la ville etc. Sachez qu'un Data Scientist senior peut gagner au delà de 65.000€, et peut atteindre un salaire moyen jusqu'à 80.000€/an selon les compétences, les connaissances, l'entreprise, et tout autres conditions à prendre en compte.

Pourquoi créer un portfolio de projets ?

Avoir un portfolio de projet montre que vous avez l’expérience nécessaire pour devenir expert dans la data science. Imaginez que deux Data Scientists Juniors arrivent devant un recruteur.

--> Le premier : “Je connais Python, le Machine Learning, la gestion de base de données”

--> Le second : “Je connais Python, le Machine Learning et la gestion de base de données et d’ailleurs j’ai appliqué ces connaissances dans ce projet où j’ai pu appliquer un réseau de neurones sur des données collectées en Open Data sur ce site.”

À votre avis, sur quel candidat le recruteur va-t-il s’attarder le plus ?

Certes, pendant un entretien les profils ne sont pas à des extrêmes aussi flagrants.

Vous pouvez mettre en valeur des expériences beaucoup plus facilement via votre portfolio et peser dans la balance face à des recruteurs. Ceci se justifie d'autant plus si les projets menés sont en lien avec l’industrie dans laquelle l’entreprise se trouve. Par exemple, si vous postulez pour une banque et que vous avez travaillé sur un projet de fraude bancaire en Machine Learning. Cela prouve que vous vous intéressez aux problématiques auxquelles l’entreprise peut faire face, mais aussi que vous avez une certaine connaissance métier.

Les projets assoient aussi votre légitimité en tant que Data Scientist. Plus vous avez un portfolio varié, plus vous prouverez votre capacité à vous adapter, capacité recherchée, pas seulement en Data Science.

Comment créer votre portfolio ?

Trouvez un projet en data science qui vous intéresse

Se créer un portfolio n’est pas chose facile mais ce n’est pas insurmontable, au contraire ! Le meilleur moyen de commencer est de trouver un secteur qui vous intéresse.

Si vous vous intéressez à la crypto-monnaie, réaliser un projet sur la prédiction de la valeur du Bitcoin peut réellement faire la différence.

D’autres peuvent préférer le thème de l’écologie ou encore des ressources humaines. Les sujets sont vastes, le tout est d’en trouver un qui vous intéressera assez pour que vous l’acheviez malgré les difficultés potentielles.

Où trouver les données ?

Une question que l’on pose souvent est : “Où est ce qu’on peut trouver des données pertinentes pour mon projet ? ” Il existe à cette fin des ressources fiables sur lesquelles se reposer.

L'Open Data

Beaucoup d’entreprises mettent leurs données à disposition pour les personnes curieuses de les analyser. Les gouvernements et les universités sont d’ailleurs souvent les premiers à le faire. Voici une liste que vous pouvez commencer à regarder :

– Opendata.paris.fr

– Data.gouv.fr

– Enigma.com

– Snap.stanford.edu

– Opendata.cityofnewyork.us

Ou alors si vous souhaitez regarder directement sur un portail Open Data

– Opendatasoft.fr

Avant de tarir ces sources de données, vous aurez de quoi achever plusieurs projets.

Kaggle

Kaggle est une plateforme de Machine Learning où les Data Scientists du monde entier viennent analyser les données qui sont mises à disposition : pour ceux qui souhaitent mettre en place leurs algorithmes.

L’avantage de cette plateforme ? Les données sont relativement bien structurées et nettoyées. C’est donc un très bon endroit pour commencer lorsque l’on débute.

Devenir Data Scientist
Devenez Data Scientist sans diplôme d'ingénieur : les erreurs à éviter

Les erreurs à ne pas commettre

Prendre des Datasets trop communs

Même si avoir des projets va vous servir, il faut savoir cibler. Certains projets sont en effet tellement vus et revus qu’il est préférable de ne pas les mettre dans votre portfolio. Parmi eux :
– Le titanic
– La base de données Iris
Ces deux bases de données sont très bien pour commencer à faire vos armes, mais rien ne sert de les ajouter dans votre portfolio comme un projet personnel.

Les personnes qui vont regarder votre portfolio vont, au mieux, penser que votre profil est très junior.

Ne pas améliorer vos projets data

Une autre erreur est de penser que vous ne pouvez pas améliorer vos projets une fois que vous les avez terminés. L’élaboration d’un projet est un processus itératif, il est très bien de revenir dessus et de les améliorer en permanence. Par exemple, il est tout à fait possible que vous ayez appliqué un algorithme X ou que vous ayez nettoyé vos données d’une manière Y, et que vous décidiez de changer de méthode pour améliorer les performances de votre modèle. Vous pouvez alors tout à fait créer une nouvelle partie dans votre projet et exposer vos trouvailles.

Ne pas communiquer sur vos projets

Faire des projets, c’est bien mais que les autres puissent les voir, c’est mieux. C’est pour cela qu’il est bon de communiquer sur vos projets, et faire en sorte qu’ils soient visibles aux yeux du plus grand nombre.

Les réseaux sociaux

Un moyen efficace de relayer vos projets est d’utiliser les réseaux sociaux. Créez vous un compte Github et Kaggle et commencer à poster vos projets là dessus. Dans Github, il est important que chacun de vos projets comporte un fichier README.md que vos utilisateurs puissent facilement lire. C’est souvent une chose qui est oublié parmi les codeurs et qui est pourtant crucial. Si vous n’avez pas de README.md, il est beaucoup plus difficile pour le lecteur de comprendre le sujet du projet.

On vous conseil le guide officiel de Github pour ceux qui commencent dans ce domaine !

Kaggle

fonctionne de la même manière. Il faudra avoir un kernel qui explique dans le détail les tenants et aboutissants de votre projet pour que cela puisse être intelligible pour le plus grand nombre. Vous pouvez aussi utiliser LinkedIn et publier votre projet sous forme d’article. C’est un très bon moyen de gagner en visibilité car tous vos contacts et toutes les personnes qui visitent votre profil vont pouvoir lire les articles que vous avez écrit.

Blog

Avoir un blog ou un site personnel est aussi très bien pour centraliser vos projets. D’autant plus qu’il est très facile de mettre en place un site web sans dépenser un budget énorme. Wordpress est un très bon début, ou vous pouvez même utiliser un CMS comme Strikingly ou Wix qui feront très bien l’affaire. Si vous vous amusez à améliorer votre SEO, vous pourrez même apparaître assez haut dans les recherches Google. En plus de votre blog personnel, il y a des plateformes de blogging comme Medium ou Quora que vous pouvez utiliser pour publier vos articles de blog.

Ajoutez des projets à vos CV

Vous pouvez tout à fait valoriser vos projets sur votre CV comme une expérience ou dans une section “projet”.

C’est une très bonne façon d’attirer l’oeil d’un recruteur et de pouvoir ensuite diriger la conversation pour que vous puissiez développer.

Avoir des projets sur lesquels vous avez travaillé est ce qui va vous différencier d’un Data Scientist lambda, passez donc du temps à les peaufiner car c’est ce qui va vous permettre de vous créer de belles opportunités.

N’hésitez pas à poser vos questions ou vos remarques en commentaires de l’article ! Si vous êtes intéressé à l’idée d’apprendre les Data Sciences et d'avoir tous les conseils carrière de notre Talent Manager, vous pouvez regarder notre site Jedha.co !

Questions fréquentes

Est-il possible de devenir Data Scientist à 40 ans ?

Oui, il est bien évidemment possible de devenir Data Scientist à 40 ans (même après). Votre âge ne va pas vous impacter dans votre souhait de devenir Data Scientist. Le plus important, c'est d'avoir les compétences et les connaissances requises pour ce métier.

Quel est le salaire moyen d'un Data Scientist en France ?

Le salaire moyen d'un Data Scientist en France est d'environ 60 000 à 80 000 euros par an.

Soirée Portes Ouvertes Jedha BootcampSoirée Portes Ouvertes Jedha Bootcamp
Myriam Emilion
Myriam Emilion
Directrice Marketing
Myriam est l'une des toutes premières recrues de Jedha Bootcamp. Passionée par les sujets d'éducation, elle a rejoint Jedha à ses débuts, juste après avoir été diplômée de l'ESSEC. Elle s'est rapidement spécialisée en Marketing et a été notre Head of Marketing jusqu'à la fin de l'année 2022.

Articles recommandés

Data Science
Fiche Métier Data Scientist : salaire, missions, formation
Vous réfléchissez à devenir Data Scientist ? Considéré comme le métier le plus sexy du XXIe siècle, Data Scientist est un poste de plus en plus recherché ! On vous dit tout sur ses missions, son salaire, la formation à suivre et bien plus.
Data Science
7 conseils pour candidater au poste de Data Scientist | Jedha
Ce n'est plus un secret pour personne, les recruteurs sont toujours plus à l'affût de profils d'exception en Data Science. Vous souhaitez devenir Data Scientist et optimiser vos chances de recrutement ? Avant de candidater à ce poste, voici quelques conseils.
Data Science
Data Analyst vs Data Scientist : quelles différences ?
Data Scientist vs Data Analyst : 2 des profils les plus recherchés sur le marché du travail ! Mais finalement, quelles sont les différences en termes de missions, de compétences, de salaires ?
Data Science
Data Scientist : comment se lancer en freelance ?
Vous voulez travailler dans la Data tout en profitant de la flexibilité permise par le statut d'indépendant ? On vous explique en détails comment devenir Data Scientist en freelance.
Data Science
Quelles différences entre un Data engineer et un Data Scientist ?
Parmi les métiers de l'analyse des données et de la Business Intelligence, le Data Scientist et le Data Engineer sont deux profils activement recherchés.
Data Science
Classement des 5 meilleurs masters en Data Science en 2023
Vous rêvez de devenir data scientist ? Découvrez notre classement des 5 meilleurs masters en Data Science en France.