FR 
EN 
Powered by ARTEFACT
Alumni Story : Thomas enrichit son parcours IA avec des compétences en data science
PROMO 2026
Thomas Hebert
Découvrez le témoignage inspirant de Jaimes, alumni de la formation Data Science & IA !
Quel était ton parcours avant de rejoindre la formation Data Science & IA ?
Je m’appelle Thomas, j’ai 26 ans, je suis diplômé du Master Android à Sorbonne Université. C’est un Master qui traite de l’IA appliquée à la robotique, aux environnements virtuels, aux systèmes multiagents et à l’aide à la décision. Avant de faire cette formation, j’étais consultant en financement d’innovation pour les entreprises. La différence, c’est que mon Master est plus orienté sur l’aspect d’innovation et recherche. À l’époque, quand j’ai dû faire le choix du Master, j’avais le choix entre ça et un Master plutôt orienté Data. Mon choix s’est porté sur le choix du cœur, sachant que quand j’avais fait mes recherches, c’était il y a de ça quatre ans maintenant, le marché était différent d’aujourd’hui. Il y avait plus de perspectives, plus d’emplois, pas mal d’entreprises en plein essor. Et ensuite, on a eu pas mal de différences qui sont arrivées par rapport à aujourd’hui. Ils ont recruté beaucoup de juniors, du coup il y a moins de place pour eux aujourd’hui sur le marché. Et puis l’IA aussi est arrivée, ce qui a pas mal bouleversé comment réagir face aux offres, comment repenser les différents jobs. Et aujourd’hui, c’est beaucoup plus des postes qui sont mixtes entre la recherche, la data et des postes de seniors qui sont plus recherchés. Donc là, j’ai besoin de pouvoir augmenter mon panel de compétences pour réussir à m’adapter au marché d’aujourd’hui.
Qu’est-ce que ton master ne t’avait pas apporté, que tu cherchais dans cette formation ?
Mon Master était très théorique, très dans les différentes formules, apprendre les différents concepts, parfois peut-être un petit peu en retard à la réalité du terrain par rapport à ce qu’on voyait et très orienté effectivement aux recherches, peut-être même un peu trop. C’est-à-dire que si on ne faisait pas de thèse à la fin du Master, ça restait quand même un peu compliqué pour trouver du travail, sachant que je suis sorti en 2024, donc c’était un peu difficile. Alors que la partie data, c’est quelque chose qui est plus orienté métier aujourd’hui, qui a une plus grande réalité du terrain, qui est quand même très demandée. Et ça, ce n’est pas quelque chose que j’ai vu du tout dans mon Master, donc j’avais vraiment besoin de faire ça.
Pourquoi as-tu choisi Artefact School of Data ?
Alors au départ, je ne connaissais pas du tout. Quand j’étais en poste l’année dernière, j’ai reçu un premier mail en juin de France Travail qui faisait la promotion de l’école. Et ça m’avait intrigué sur le moment, sauf que j’étais en poste, j’étais en pleine période d’essai, donc je ne pouvais pas vraiment faire ça. Je me suis dit peut-être plus tard, un jour, si jamais j’en ai besoin. Et puis en septembre, j’avais quitté mon poste à ce moment-là et France Travail me renvoie le même mail avec des nouvelles dates pour faire le webinaire. Et du coup, j’ai vu ça un peu comme un signe. Et puis je me suis dit, vu que pour l’instant, je n’ai rien à faire et que je sais que ça va quand même être difficile de trouver du travail, sachant que je cherchais un travail beaucoup plus technique, qui était beaucoup plus proche de ce que j’ai fait en Master plutôt que ce que j’ai fait dans mon ancien emploi. Je me suis dit que ce serait peut-être le bon moment pour pouvoir réussir à augmenter mes compétences et être beaucoup plus compétitif sur le marché.
Comment décrirais-tu ton expérience au sein de la School of Data ?
Moi, j’ai trouvé ça très intéressant, sachant que je ne suis pas du tout habitué de base au format Bootcamp. C’est quelque chose que je ne connaissais pas du tout. Moi, j’ai toujours fait un parcours très classique en termes d’études. Je n’ai même pas fait d’alternance ou quoi. Moi, ça a toujours été un parcours initial, on va dire en ligne droite. Donc c’est vrai que cet aspect-là a été très nouveau pour moi. Et je trouvais ça très intéressant parce qu’on est beaucoup plus dans le réel, beaucoup plus dans un apprentissage rapide, alors que sur les parcours classiques, on fait beaucoup de théorie, toujours à étudier tout ce qui est formules, mathématiques derrière, sur de longues semaines, voire de longs mois. Là, on avait vraiment besoin de pouvoir connaître les notions, même pour des personnes qui n’avaient aucune base dans le domaine, rapidement en deux mois et demi. Donc je trouvais ça certes très intensif, mais quand même très intéressant et aujourd’hui beaucoup plus proche de la réalité métier parce qu’on se base quand même sur des technologies qui sont plutôt récentes et sur des domaines qui sont aujourd’hui très demandés dans les différentes offres.
Quelles sont les compétences ou outils que tu as appris pendant la formation ?
Au niveau de mes compétences surtout, et pas mal de compétences que je n’avais pas du tout, premièrement l’analyse de données. J’en avais fait un petit peu en licence, mais c’était quand même relativement limité. Là, on a vraiment vu l’importance de l’analyse de la donnée, comment faire, quels sont les différents points à prendre en compte, les différents dangers, qu’est-ce qui pouvait jouer sur l’apprentissage des modèles, etc. Je me suis aussi un peu perfectionné en SQL. Pareil, j’avais vu ça en licence, mais c’est quelque chose que je n’avais pas fait depuis un moment et sur lequel je me trouvais un peu faible. Donc là, ça m’a permis de pouvoir retravailler ça. On a aussi pu gagner plus de compétences en machine learning, parce que du coup, avec mon master, j’en ai eu, évidemment, on en fait. Mais ce n’est pas le même genre de machine learning qu’on fait. Nous, on fait plutôt du machine learning qu’on appelle par renforcement, où ce sont des petits agents autonomes qui vont apprendre de leurs erreurs par eux-mêmes pour essayer d’obtenir une récompense. Là, on cherche vraiment à faire quelque chose de guidé, de supervisé, ou même quelque chose d’un peu plus profond dans le deep learning pour traiter de la donnée pure et faire soit de la prédiction, soit de la classification pour avoir un résultat final qui est important pour le métier. Donc ça, ça change pas mal. Ça permet de pouvoir voir, entre mon parcours et le bootcamp, l’intégralité du machine learning avec tout ce que j’ai eu. Il y a ça, pareil pour le deep learning, quelque chose que j’ai vu à moitié, on va dire. Et puis, une partie, par contre, que je n’avais pas du tout faite, c’est la partie engineering qui est aujourd’hui très demandée, d’après ce que je vois sur Internet, toute la partie où on veut faire des pipelines construits, où tout est automatisé, on peut faire du déploiement sur le cloud, etc. Pour ensuite mettre à disposition les différentes applications ou les différents modèles pour les entreprises pour qu’elles puissent faire leurs prédictions automatiquement sans devoir retourner dans le code, lancer des programmes manuellement. Ça, c’est quelque chose que je n’avais pas du tout vu, parce qu’encore une fois, mes formations étaient très théoriques, donc il n’y avait aucune réalité métier derrière. Donc ça, ça m’a vraiment aidé pour pouvoir réaliser à quel point cette partie-là est importante.
Peux-tu nous parler d’un projet que tu as réalisé pendant le bootcamp ?
Là, justement, on est en train de faire un projet qui constitue, on va dire, la fin de la formation. On doit retranscrire toutes les compétences qu’on a assimilées dans un projet global à plusieurs, donc on est quatre, et qu’on va présenter d’ici la fin de la semaine prochaine. Donc là, on est sur un gros projet de prédiction de différentes espèces de plantes. Donc nous, on a choisi de se concentrer sur les aromates, donc le thym, le basilic, la menthe, etc. Et le but, c’est d’entraîner des modèles pour, à partir d’une image, réussir à prédire avec le plus d’efficacité possible quelle est l’espèce de la plante qui est sur l’image. Donc c’est quand même un projet qui est relativement conséquent, parce qu’il faut qu’on fasse vraiment tout de A à Z, de l’analyse de la donnée jusqu’au déploiement final, pour qu’on ait une application qui soit fonctionnelle pour la démonstration. Et c’est aussi un projet qui va nous servir pour la certification finale, qui passe dans à peu près un mois, pour obtenir véritablement la certification qu’on a bien acquis les compétences durant le bootcamp.
Comment décrirais-tu la pédagogie chez Artefact School of Data ?
Moi, je trouve ça intéressant par rapport à une formation classique où on est nombreux. Moi, j’avais des classes qui allaient de 25 à 35 personnes, parfois en fonction des semestres. Donc là, c’est vrai qu’avoir des batchs beaucoup plus petits, nous on était 12. Alors certes, on a été aussi avec les groupes de data analyst et de data engineer, mais en soi, au niveau de la partie data scientist, on était véritablement que 12. Et c’est vrai que c’est pratique, parce que du coup, ça permet de nouer plus facilement des liens avec les autres, ce qui est relativement pratique pour les projets ensuite, pour pouvoir communiquer plus facilement, et faire des petits groupes sur les exercices. Et c’est vrai que comme on est sur un petit groupe, la communication avec les formateurs est plus facile. Et on a une meilleure entente avec eux, on se sent beaucoup plus proche. Parfois, on peut aussi faire des petites sorties le soir pour pouvoir renforcer les liens encore un peu plus. Donc c’est vrai qu’on a un réel sentiment d’accompagnement, qu’on n’a pas forcément sur des formations classiques où les professeurs sont parfois plus distants avec leurs élèves. Là, on a un réel sentiment d’accompagnement et on va dire qu’on ne se sent pas forcément en difficulté, parce qu’au moindre problème, on sait qu’ils sont là pour nous aider. N’importe quelle question qu’on pourrait avoir, beaucoup de temps est consacré justement à nous aider sur les différents exercices à faire. Donc je trouve ça quand même très convivial et très pratique pour l’apprentissage.
Que dirais-tu à quelqu’un avec des bases en data/IA qui envisage de suivre cette formation ?
Pour connaître aussi un petit peu le contenu de certains masters au niveau de la data, ça peut quand même être intéressant parce que toute la partie data engineer qui n’est pas forcément vue, c’est aujourd’hui quelque chose qui est très recherché et très important. Et ça, c’est aujourd’hui, je pense, quelque chose qui manque notamment en université. Au niveau des écoles d’ingénieurs, peut-être un peu moins, je ne suis pas non plus au fait de tous les parcours, mais je pense qu’ils sont peut-être un peu plus à même de proposer ça. Mais en université, c’est beaucoup plus spécialisé. Donc ils se concentrent surtout sur la partie vraiment entraînement pur, la partie mathématique, toute la partie théorie aussi qui est derrière. Mais au niveau de la réalité métier, ce n’est pas exactement la même chose. Et c’est aussi d’ailleurs pour ça que les juniors ont autant de mal aujourd’hui à trouver du travail dans ce secteur-là. Donc c’est vrai que c’est très intéressant pour cette partie-là, avec ce bout d’apprentissage qui a été ajouté pendant deux semaines à la fin du parcours. Et pour des personnes qui seraient plutôt sur un background comme le mien, donc surtout sur la partie recherche et développement, oui, là, c’est totalement important. C’est, on va dire, dans l’air du temps au niveau de ce qui est demandé en termes de compétences. Parce que malheureusement en France, la partie R&D dans ce secteur-là, ce n’est pas ce qu’on croise le plus, dans d’autres pays plus, mais en France malheureusement moins. Donc c’est vrai que ça permet d’acquérir d’autres compétences qui peuvent manquer dans ce secteur-là. Et moi, je sais en tout cas que j’avais véritablement besoin de faire ça. Donc n’importe qui dans mon cas, je conseillerais effectivement de suivre cette formation.
Un mot pour décrire Artefact School of Data ?
En un mot, utile.
Découvrez les success stories de nos alumni
Olivier Iberti
Obtenez dès maintenant le programme de nos formations
PROMO 2026
Thomas Hebert
Découvrez le témoignage inspirant de Jaimes, alumni de la formation Data Science & IA !
Quel était ton parcours avant de rejoindre la formation Data Science & IA ?
Je m'appelle Thomas, j'ai 26 ans, je suis diplômé du Master Android à Sorbonne Université. C'est un Master qui traite de l'IA appliquée à la robotique, aux environnements virtuels, aux systèmes multiagents et à l'aide à la décision. Avant de faire cette formation, j'étais consultant en financement d'innovation pour les entreprises. La différence, c'est que mon Master est plus orienté sur l'aspect d'innovation et recherche. À l'époque, quand j'ai dû faire le choix du Master, j'avais le choix entre ça et un Master plutôt orienté Data. Mon choix s'est porté sur le choix du cœur, sachant que quand j'avais fait mes recherches, c'était il y a de ça quatre ans maintenant, le marché était différent d'aujourd'hui. Il y avait plus de perspectives, plus d'emplois, pas mal d'entreprises en plein essor. Et ensuite, on a eu pas mal de différences qui sont arrivées par rapport à aujourd'hui. Ils ont recruté beaucoup de juniors, du coup il y a moins de place pour eux aujourd'hui sur le marché. Et puis l'IA aussi est arrivée, ce qui a pas mal bouleversé comment réagir face aux offres, comment repenser les différents jobs. Et aujourd'hui, c'est beaucoup plus des postes qui sont mixtes entre la recherche, la data et des postes de seniors qui sont plus recherchés. Donc là, j'ai besoin de pouvoir augmenter mon panel de compétences pour réussir à m'adapter au marché d'aujourd'hui.
Qu'est-ce que ton master ne t'avait pas apporté, que tu cherchais dans cette formation ?
Mon Master était très théorique, très dans les différentes formules, apprendre les différents concepts, parfois peut-être un petit peu en retard à la réalité du terrain par rapport à ce qu'on voyait et très orienté effectivement aux recherches, peut-être même un peu trop. C'est-à-dire que si on ne faisait pas de thèse à la fin du Master, ça restait quand même un peu compliqué pour trouver du travail, sachant que je suis sorti en 2024, donc c'était un peu difficile. Alors que la partie data, c'est quelque chose qui est plus orienté métier aujourd'hui, qui a une plus grande réalité du terrain, qui est quand même très demandée. Et ça, ce n'est pas quelque chose que j'ai vu du tout dans mon Master, donc j'avais vraiment besoin de faire ça.
Pourquoi as-tu choisi Artefact School of Data ?
J'avais fait un benchmark sur toutes les... une bonne partie, je ne dirais pas toute, parce que je n'ai pas la prétention d'avoir regardé tout, mais j'avais vu une bonne partie des formations justement en tout ce qui était sur l'intelligence artificielle, sur la création d'intelligence artificielle, et le benchmark m'a ressorti globalement que c'était celle qui avait les meilleures notes et qui avait le plus de visibilité entre guillemets à l'international comme en France. Donc je me suis dit quitte à faire une formation, autant avoir celle qui est poussée par l'une des licornes entre guillemets françaises qui est Artefact. Et d'avoir une école en interne, c'est quand même pas mal. Ça donne du prestige.
Comment décrirais-tu ton expérience au sein de la School of Data ?
Alors très intéressant, très intense. Il y a du boulot. Je pense que c'est une formation de dix semaines, donc il y a énormément de choses qui est appris. On passe tous les jours à des points différents. On n'a pas forcément assez de recul pour comprendre et pour tout appréhender dans le process. Ça va demander énormément de travail en amont et en aval, je pense, pour justement acquérir 100 % des connaissances. Mais c'est très complet, et le projet de fin d'études de deux semaines est vraiment intéressant pour ça, parce que ça nous permet, avec un groupe d'autres personnes qui ont fait la formation, de mettre en place tout le process de A à Z, de la récupération des données jusqu'à la mise en place de la plateforme de l'intelligence artificielle, ce qui est encore une fois très bien sur un CV.
Quelles sont les compétences ou outils que tu as appris ou renforcés pendant la formation ?
Ah, il y en a beaucoup. Après, à renforcer, moi j'étais déjà ingénieur, donc on a pu récupérer quelques connaissances en Python. Pour les personnes qui n'en avaient pas fait, c'est très important d'avoir au moins les bases pour la lecture, parce que le Vibe Coding, c'est bien, mais si on ne comprend pas ce qui se passe, c'est quand même moins intéressant. Et puis après, ça a permis d'utiliser tout ce qui est TensorFlow, tout ce qui est Pytorch, tous les outils, entre guillemets, de création de modèles d'intelligence artificielle, comment les récupérer, comment les entraîner, et comment les mettre en place sur des sites, sur des buckets et tout. Donc c'est très transverse, et ça permet de voir à peu près tout le processus du métier du Data Scientifique, depuis la prise des données jusqu'à la mise en place sur Internet. Donc oui, faire la liste de tout ce qu'on a appris, ça risque d'être un peu long. De toute façon, il suffit de regarder la documentation de la formation pour trouver ce qu'il y a.
Peux-tu nous parler d'un projet que tu as réalisé pendant le bootcamp ?
Je vais parler principalement du projet de fin d'étude, parce que je pense que c'est le plus complet. Là, on est en train de travailler justement sur la mise en place de la détection et la classification des plantes aromatiques par photo. Donc c'est de la computer vision. Donc on part de données qu'on a scrapées et qu'on a récupérées sur Internet. On entraîne un modèle qui est à partir du ResNet15, et qui nous permet de savoir si la plante, c'est plutôt du basilic, du romarin, etc. Sachant qu'on ne part de rien. Donc c'est quand même très intéressant, et c'est cool de se dire qu'on a réussi à faire ça.
Comment décrirais-tu la pédagogie chez Artefact School of Data ?
On est très encadrés, mais on est quand même libres. Le matin, on a les cours. L'après-midi, on a énormément de mise en place, de TP, entre guillemets, de travaux pratiques. Donc ce qui nous permet de tester ce qu'on voit le matin, de mettre en place ça. Quelques fois, ce n'est pas forcément suffisant, donc on continue à travailler de son côté. Mais je trouve que c'est une bonne manière de faire les choses pour éviter justement la surcharge d'être tout le temps en amphi, d'être tout le temps en cours, avec énormément, énormément, énormément de cours, sans mise en place, ni mise en pratique. Donc ça, c'est vraiment bien. Puis la proximité avec les profs que sont Aloys et Paul, c'est vraiment super cool, parce que du coup, on peut leur poser des questions, ils sont quasiment tout le temps présents. Donc ça donne l'impression qu'on est plus avec des collègues qu'avec des profs qui se la pètent un petit peu comme dans certaines formations.
Que dirais-tu à quelqu'un qui envisage de suivre cette formation ?
Déjà, réviser un petit peu ce que c'est Python, ça peut être très intéressant, parce que ça va assez vite. Si tu n'as pas du tout de connaissances, j'en ai vu quelques-uns justement prendre un peu de recul et de retard peut-être sur ce point-là. Et puis après, d'être dispo pour les deux dernières semaines, parce que je pense que le projet, c'est vraiment l'un des trucs les plus importants. Voilà, puis d'être prêt, bien reposé, parce que mine de rien, c'est intense.
La School of Data en un mot ?
Très intéressant. Vraiment, la formation est complète, mais bonne ambiance. Et puis, si on aime le sport, il y a même de l'escalade, donc c'est plutôt cool.
Bootcamp
À propos de vous
Thomas Hebert
place restantes
du au
Merci pour votre candidature.
Les prochaines étapes
Choisissez votre session
PROMO 2026
Thomas Hebert
Découvrez le témoignage inspirant de Jaimes, alumni de la formation Data Science & IA !
Quel était ton parcours avant de rejoindre la formation Data Science & IA ?
Je m'appelle Thomas, j'ai 26 ans, je suis diplômé du Master Android à Sorbonne Université. C'est un Master qui traite de l'IA appliquée à la robotique, aux environnements virtuels, aux systèmes multiagents et à l'aide à la décision. Avant de faire cette formation, j'étais consultant en financement d'innovation pour les entreprises. La différence, c'est que mon Master est plus orienté sur l'aspect d'innovation et recherche. À l'époque, quand j'ai dû faire le choix du Master, j'avais le choix entre ça et un Master plutôt orienté Data. Mon choix s'est porté sur le choix du cœur, sachant que quand j'avais fait mes recherches, c'était il y a de ça quatre ans maintenant, le marché était différent d'aujourd'hui. Il y avait plus de perspectives, plus d'emplois, pas mal d'entreprises en plein essor. Et ensuite, on a eu pas mal de différences qui sont arrivées par rapport à aujourd'hui. Ils ont recruté beaucoup de juniors, du coup il y a moins de place pour eux aujourd'hui sur le marché. Et puis l'IA aussi est arrivée, ce qui a pas mal bouleversé comment réagir face aux offres, comment repenser les différents jobs. Et aujourd'hui, c'est beaucoup plus des postes qui sont mixtes entre la recherche, la data et des postes de seniors qui sont plus recherchés. Donc là, j'ai besoin de pouvoir augmenter mon panel de compétences pour réussir à m'adapter au marché d'aujourd'hui.
Qu'est-ce que ton master ne t'avait pas apporté, que tu cherchais dans cette formation ?
Mon Master était très théorique, très dans les différentes formules, apprendre les différents concepts, parfois peut-être un petit peu en retard à la réalité du terrain par rapport à ce qu'on voyait et très orienté effectivement aux recherches, peut-être même un peu trop. C'est-à-dire que si on ne faisait pas de thèse à la fin du Master, ça restait quand même un peu compliqué pour trouver du travail, sachant que je suis sorti en 2024, donc c'était un peu difficile. Alors que la partie data, c'est quelque chose qui est plus orienté métier aujourd'hui, qui a une plus grande réalité du terrain, qui est quand même très demandée. Et ça, ce n'est pas quelque chose que j'ai vu du tout dans mon Master, donc j'avais vraiment besoin de faire ça.
Pourquoi as-tu choisi Artefact School of Data ?
Alors au départ, je ne connaissais pas du tout. Quand j'étais en poste l'année dernière, j'ai reçu un premier mail en juin de France Travail qui faisait la promotion de l'école. Et ça m'avait intrigué sur le moment, sauf que j'étais en poste, j'étais en pleine période d'essai, donc je ne pouvais pas vraiment faire ça. Je me suis dit peut-être plus tard, un jour, si jamais j'en ai besoin. Et puis en septembre, j'avais quitté mon poste à ce moment-là et France Travail me renvoie le même mail avec des nouvelles dates pour faire le webinaire. Et du coup, j'ai vu ça un peu comme un signe. Et puis je me suis dit, vu que pour l'instant, je n'ai rien à faire et que je sais que ça va quand même être difficile de trouver du travail, sachant que je cherchais un travail beaucoup plus technique, qui était beaucoup plus proche de ce que j'ai fait en Master plutôt que ce que j'ai fait dans mon ancien emploi. Je me suis dit que ce serait peut-être le bon moment pour pouvoir réussir à augmenter mes compétences et être beaucoup plus compétitif sur le marché.
Comment décrirais-tu ton expérience au sein de la School of Data ?
Moi, j'ai trouvé ça très intéressant, sachant que je ne suis pas du tout habitué de base au format Bootcamp. C'est quelque chose que je ne connaissais pas du tout. Moi, j'ai toujours fait un parcours très classique en termes d'études. Je n'ai même pas fait d'alternance ou quoi. Moi, ça a toujours été un parcours initial, on va dire en ligne droite. Donc c'est vrai que cet aspect-là a été très nouveau pour moi. Et je trouvais ça très intéressant parce qu'on est beaucoup plus dans le réel, beaucoup plus dans un apprentissage rapide, alors que sur les parcours classiques, on fait beaucoup de théorie, toujours à étudier tout ce qui est formules, mathématiques derrière, sur de longues semaines, voire de longs mois. Là, on avait vraiment besoin de pouvoir connaître les notions, même pour des personnes qui n'avaient aucune base dans le domaine, rapidement en deux mois et demi. Donc je trouvais ça certes très intensif, mais quand même très intéressant et aujourd'hui beaucoup plus proche de la réalité métier parce qu'on se base quand même sur des technologies qui sont plutôt récentes et sur des domaines qui sont aujourd'hui très demandés dans les différentes offres.
Quelles sont les compétences ou outils que tu as appris pendant la formation ?
Au niveau de mes compétences surtout, et pas mal de compétences que je n'avais pas du tout, premièrement l'analyse de données. J'en avais fait un petit peu en licence, mais c'était quand même relativement limité. Là, on a vraiment vu l'importance de l'analyse de la donnée, comment faire, quels sont les différents points à prendre en compte, les différents dangers, qu'est-ce qui pouvait jouer sur l'apprentissage des modèles, etc. Je me suis aussi un peu perfectionné en SQL. Pareil, j'avais vu ça en licence, mais c'est quelque chose que je n'avais pas fait depuis un moment et sur lequel je me trouvais un peu faible. Donc là, ça m'a permis de pouvoir retravailler ça. On a aussi pu gagner plus de compétences en machine learning, parce que du coup, avec mon master, j'en ai eu, évidemment, on en fait. Mais ce n'est pas le même genre de machine learning qu'on fait. Nous, on fait plutôt du machine learning qu'on appelle par renforcement, où ce sont des petits agents autonomes qui vont apprendre de leurs erreurs par eux-mêmes pour essayer d'obtenir une récompense. Là, on cherche vraiment à faire quelque chose de guidé, de supervisé, ou même quelque chose d'un peu plus profond dans le deep learning pour traiter de la donnée pure et faire soit de la prédiction, soit de la classification pour avoir un résultat final qui est important pour le métier. Donc ça, ça change pas mal. Ça permet de pouvoir voir, entre mon parcours et le bootcamp, l'intégralité du machine learning avec tout ce que j'ai eu. Il y a ça, pareil pour le deep learning, quelque chose que j'ai vu à moitié, on va dire. Et puis, une partie, par contre, que je n'avais pas du tout faite, c'est la partie engineering qui est aujourd'hui très demandée, d'après ce que je vois sur Internet, toute la partie où on veut faire des pipelines construits, où tout est automatisé, on peut faire du déploiement sur le cloud, etc. Pour ensuite mettre à disposition les différentes applications ou les différents modèles pour les entreprises pour qu'elles puissent faire leurs prédictions automatiquement sans devoir retourner dans le code, lancer des programmes manuellement. Ça, c'est quelque chose que je n'avais pas du tout vu, parce qu'encore une fois, mes formations étaient très théoriques, donc il n'y avait aucune réalité métier derrière. Donc ça, ça m'a vraiment aidé pour pouvoir réaliser à quel point cette partie-là est importante.
Peux-tu nous parler d'un projet que tu as réalisé pendant le bootcamp ?
Là, justement, on est en train de faire un projet qui constitue, on va dire, la fin de la formation. On doit retranscrire toutes les compétences qu'on a assimilées dans un projet global à plusieurs, donc on est quatre, et qu'on va présenter d'ici la fin de la semaine prochaine. Donc là, on est sur un gros projet de prédiction de différentes espèces de plantes. Donc nous, on a choisi de se concentrer sur les aromates, donc le thym, le basilic, la menthe, etc. Et le but, c'est d'entraîner des modèles pour, à partir d'une image, réussir à prédire avec le plus d'efficacité possible quelle est l'espèce de la plante qui est sur l'image. Donc c'est quand même un projet qui est relativement conséquent, parce qu'il faut qu'on fasse vraiment tout de A à Z, de l'analyse de la donnée jusqu'au déploiement final, pour qu'on ait une application qui soit fonctionnelle pour la démonstration. Et c'est aussi un projet qui va nous servir pour la certification finale, qui passe dans à peu près un mois, pour obtenir véritablement la certification qu'on a bien acquis les compétences durant le bootcamp.
Comment décrirais-tu la pédagogie chez Artefact School of Data ?
Moi, je trouve ça intéressant par rapport à une formation classique où on est nombreux. Moi, j'avais des classes qui allaient de 25 à 35 personnes, parfois en fonction des semestres. Donc là, c'est vrai qu'avoir des batchs beaucoup plus petits, nous on était 12. Alors certes, on a été aussi avec les groupes de data analyst et de data engineer, mais en soi, au niveau de la partie data scientist, on était véritablement que 12. Et c'est vrai que c'est pratique, parce que du coup, ça permet de nouer plus facilement des liens avec les autres, ce qui est relativement pratique pour les projets ensuite, pour pouvoir communiquer plus facilement, et faire des petits groupes sur les exercices. Et c'est vrai que comme on est sur un petit groupe, la communication avec les formateurs est plus facile. Et on a une meilleure entente avec eux, on se sent beaucoup plus proche. Parfois, on peut aussi faire des petites sorties le soir pour pouvoir renforcer les liens encore un peu plus. Donc c'est vrai qu'on a un réel sentiment d'accompagnement, qu'on n'a pas forcément sur des formations classiques où les professeurs sont parfois plus distants avec leurs élèves. Là, on a un réel sentiment d'accompagnement et on va dire qu'on ne se sent pas forcément en difficulté, parce qu’au moindre problème, on sait qu'ils sont là pour nous aider. N'importe quelle question qu'on pourrait avoir, beaucoup de temps est consacré justement à nous aider sur les différents exercices à faire. Donc je trouve ça quand même très convivial et très pratique pour l'apprentissage.
Que dirais-tu à quelqu'un avec des bases en data/IA qui envisage de suivre cette formation ?
Pour connaître aussi un petit peu le contenu de certains masters au niveau de la data, ça peut quand même être intéressant parce que toute la partie data engineer qui n'est pas forcément vue, c'est aujourd'hui quelque chose qui est très recherché et très important. Et ça, c'est aujourd'hui, je pense, quelque chose qui manque notamment en université. Au niveau des écoles d'ingénieurs, peut-être un peu moins, je ne suis pas non plus au fait de tous les parcours, mais je pense qu'ils sont peut-être un peu plus à même de proposer ça. Mais en université, c'est beaucoup plus spécialisé. Donc ils se concentrent surtout sur la partie vraiment entraînement pur, la partie mathématique, toute la partie théorie aussi qui est derrière. Mais au niveau de la réalité métier, ce n'est pas exactement la même chose. Et c'est aussi d'ailleurs pour ça que les juniors ont autant de mal aujourd'hui à trouver du travail dans ce secteur-là. Donc c'est vrai que c'est très intéressant pour cette partie-là, avec ce bout d'apprentissage qui a été ajouté pendant deux semaines à la fin du parcours. Et pour des personnes qui seraient plutôt sur un background comme le mien, donc surtout sur la partie recherche et développement, oui, là, c'est totalement important. C'est, on va dire, dans l'air du temps au niveau de ce qui est demandé en termes de compétences. Parce que malheureusement en France, la partie R&D dans ce secteur-là, ce n'est pas ce qu'on croise le plus, dans d'autres pays plus, mais en France malheureusement moins. Donc c'est vrai que ça permet d'acquérir d'autres compétences qui peuvent manquer dans ce secteur-là. Et moi, je sais en tout cas que j'avais véritablement besoin de faire ça. Donc n'importe qui dans mon cas, je conseillerais effectivement de suivre cette formation.
La School of Data en un mot ?
Très intéressant. Vraiment, la formation est complète, mais bonne ambiance. Et puis, si on aime le sport, il y a même de l'escalade, donc c'est plutôt cool.
Recevez par email notre programme détaillé :
FAQ
Vous avez d’autres questions sur Artefact School of Data ? Contactez-nous.
Quelle est la différence entre Artefact School of Data et les autres formations ?
Un apprentissage reconnu mondialement et une expérience pédagogique unique. Plus de 5 000 élèves dans le monde ont été formés par nos experts métiers d’Artefact. Vous bénéficiez d’une formation en immersion chez l’un des leaders mondiaux de la Data & l’IA, qui vous délivre son expertise. Vous apprenez chaque jour à partir de cas concrets réalisés avec les plus grandes entreprises.
Comment postuler à nos formations ?
Les étapes d’inscription sont très simples : vous postulez directement à la formation de votre choix en nous expliquant votre motivation et en présentant votre parcours professionnel. Vous pouvez également télécharger notre programme complet, puis prendre rendez-vous avec notre équipe.
Comment puis-je financer ma formation ?
Plusieurs solutions de financement s’offrent à vous : financement personnel (en une ou plusieurs fois), utilisation de votre Compte Personnel de Formation (CPF), aide de Pôle emploi, financement via l’OPCO de votre entreprise si vous êtes en poste, Projet de Transition Professionnelle (PTP), Agefiph… Chaque projet professionnel et chaque dossier de financement étant unique, nous vous proposons un rendez-vous personnalisé afin de répondre à toutes vos questions et de vous accompagner dans vos démarches. Découvrez également en vidéo tous les financements possibles.
Les formations sont-elles en présentiel ou à distance ?
Nous recommandons de suivre la formation en présentiel, afin de profiter pleinement de l’environnement d’apprentissage au sein d’un acteur leader de la Data et de l’Intelligence Artificielle, et de bénéficier des échanges directs avec les formateurs et les autres participants.
Cependant, pour plus de flexibilité, nos formations peuvent également être suivies à distance ou en format hybride. Tout est mis en place pour vous permettre de participer dans les meilleures conditions, que ce soit depuis notre salle de cours ou depuis chez vous, selon votre préférence. Ce format flexible a été pensé pour optimiser votre apprentissage tout au long de la formation.
Qui sont les intervenants d’Artefact School of Data ?
Les intervenants d’Artefact School of Data sont des Data Scientists, Data Analysts et Data Engineers seniors. Tous exercent leur métier au sein d’Artefact, l’un des leaders mondiaux de la data. Grâce à leur activité quotidienne auprès des clients d’Artefact, ils sont confrontés à des problématiques concrètes et actuelles rencontrées par les entreprises. Cette proximité avec le terrain permet de proposer des formations ancrées dans la réalité des projets data, construites à partir de leur expérience et des défis qu’ils rencontrent chaque jour.
Est-ce que nos formations sont certifiées Qualiopi ?
Nos formations sont bien certifiée "Qualiopi pour l’action de formation".
Quel accompagnement pour favoriser votre insertion professionnelle ?
Nos étudiants ont la chance de côtoyer chaque jour des salariés d’Artefact, un des leaders de la data. Cela signifie que chaque jour, ils rencontrent des Data Scientist, Data Analyst, Data Engineer ou encore des experts en Data Marketing, qui constituent leur réseau professionnel et leur permet d’accroître leurs chances de décrocher leur futur poste chez Artefact ou chez l'un de nos partenaires.