Alumni Story: Anne renforce ses compétences en Data Engineering

PROMO 2025

Anne Baril

Data Scientist 

Découvrez le témoignage inspirant d’Anne !

Quel était ton parcours avant de rejoindre la formation Data Engineer ?

Avant de rejoindre la formation, j’avais un parcours d’ingénieur généraliste avec une spécialisation en sciences des données et en intelligence artificielle. Après mes études, j’ai travaillé pendant deux ans en tant que Data Scientist, où j’ai eu l’occasion de mettre en œuvre des modèles de machine learning sur des projets variés.

Qu’est-ce qui t’a motivée à te former à la data engineering ?

En exerçant en tant que Data Scientist, j’ai rapidement ressenti le besoin d’élargir mes compétences au-delà du simple développement de modèles. J’ai compris l’importance de maîtriser toute la chaîne de traitement de la donnée, depuis sa collecte jusqu’à son industrialisation. Me former en data engineering m’a donc semblé essentiel pour acquérir cette vision plus globale et pour être capable de construire des solutions qui sont déployables à l’échelle et utilisées en production.

Pourquoi as-tu choisi la School of Data ?

J’ai choisi la School of Data car c’est une formation très orientée projets, qui propose un équilibre entre théorie et pratique. L’environnement est exigeant, stimulant, et permet d’appliquer directement les compétences acquises au travers de nombreux challenges techniques. De plus, le format en présentiel a été un vrai atout : cela favorise les échanges, l’entraide et la création d’un véritable esprit de promotion entre les apprenants.

Quels aspects techniques de la formation t’ont le plus challengée… et lesquels t’ont le plus passionnée ?

Ce qui m’a le plus challengée, c’était de sortir de ma zone de confort en découvrant l’univers du cloud computing et les outils liés au déploiement de modèles.
Ce qui m’a le plus passionnée, c’est d’apprendre à utiliser des outils comme MLflow pour le suivi des expériences de machine learning. Ce type d’outil est crucial pour industrialiser les modèles, et cela m’a donné une toute nouvelle perspective sur le travail du data scientist et son intégration avec les pratiques de data engineering.

Comment as-tu réussi à faire le lien entre le métier de Data Engineer et tes expériences précédentes ?

Ma formation initiale en data science m’a permis de comprendre l’importance de concevoir des modèles robustes. Grâce à la formation Data Engineer, j’ai appris à aller au-delà de l’expérimentation pour assurer l’industrialisation des solutions : gestion des flux de données, architecture cloud, versioning des modèles…
Aujourd’hui, je peux mieux anticiper les contraintes techniques d’un projet data dès sa conception, ce qui est une compétence précieuse dans des équipes pluridisciplinaires.

Quels sont les outils que tu as découverts ?

J’ai découvert de nombreux outils essentiels au data engineering :

-Google Cloud Platform (GCP) pour la gestion d’infrastructures cloud,
-Google Cloud Storage pour le stockage des données,
-Cloud Run pour le déploiement d’applications,
-MLflow pour assurer le suivi, le versioning et la reproductibilité des expériences de machine learning.

Si tu devais résumer ton expérience à la School of Data en un seul mot, ce serait lequel ?

Dense. La formation est intense, riche en apprentissages, et offre l’opportunité de manipuler une grande diversité d’outils et de technologies. C’est une expérience très formatrice qui permet de monter en compétences rapidement et de se préparer efficacement aux réalités du terrain.