Quels profils de Data Scientist recruter ? (3/4)

Le marché de l’emploi dans le domaine des sciences des données (Datascience) a évolué à pas rapides au cours des dernières années. Cependant, le manque de maturité de certaines entreprises vis-à-vis des données et l’absence de stratégie claire pour guider les décisions d’embauche conduisent à la publication de descriptifs de postes vagues ou inadéquats. 

Dans cet article, nous vous aidons à y voir plus clair dans les profils de Data Scientist à recruter. Quels sont les rôles spécifiques de chacun ? Que peuvent-ils apporter à votre entreprise pour développer vos affaires ? Comment reconnaître un bon Data Scientist suivant sa spécialité ?

Le spécialiste de la recherche (Research Scientist)

Qu’est-ce qu’un Reseach Scientist ou Data Scientist spécialiste de la recherche ?

Voici le profil type de celui que l’on appelle aussi « Applied Scientist » : 

  • Il est titulaire d’un doctorat avec une spécialisation en informatique traditionnelle, en apprentissage automatique ou bien en apprentissage profond avec un domaine d’application potentiel (vision par ordinateur, traitement du langage naturel, apprentissage par renforcement, etc.). 
  • L’Applied Scientist est le plus adapté aux travaux de recherche. Il doit être engagé dans une équipe de recherche, généralement en tant que membre d’un laboratoire de recherche industrielle.
  • Il consacre une grande partie de son temps à la lecture de publications scientifiques, à explorer des idées, à proposer de nouveaux algorithmes de pointe et à publier ses résultats dans des revues et des conférence

Pourquoi embaucher un Research Scientist ?

Le Research Scientist peut aider votre société à développer ses affaires. Voici deux cas d’usages business, en guise d’illustrations :

  1. Virtual Dress Up

Une entreprise du secteur de la mode souhaite développer un algorithme d’intelligence artificielle (IA) pour permettre à ses clients d’essayer virtuellement des produits de leur choix. Un chercheur très doué en IA générative peut justement proposer de nouveaux algorithmes spécialement conçus pour cette tâche. De cette manière, les clients peuvent par exemple voir à quoi ils ressemblent en portant virtuellement un vêtement. Résultat : cela facilite leur choix et cela accélère leur cycle d’achat.

  1. Authentification faciale

Une société spécialisée dans les produits et services biométriques réfléchit à sa prochaine idée : un système capable d’authentifier une personne sur la base de son portrait facial. Le besoin pour de tels systèmes est de plus en plus important et de nombreuses entreprises sont prêtes à investir dans un système d’authentification faciale performant et sûr. Une société de biométrie peut par exemple engager un chercheur en vision par ordinateur pour développer de nouveaux algorithmes d’IA de pointe dédiés à la reconnaissance faciale. 

Comment reconnaître un bon Research Scientist ?

Un bon Applied Scientist présente un niveau avancé en mathématiques et en statistiques. Le Research Scientist doit également savoir rédiger et publier des articles scientifiques. Dans l’idéal, il doit déjà pouvoir témoigner d’un historique de publications dans des conférences ou des revues scientifiques.

Le chercheur en apprentissage automatique doit également savoir :

  • utiliser Python ou un autre langage axé sur l’apprentissage automatique.
  • maîtriser un environnement de programmation (par exemple IDE, des notebooks Jupyter, etc.).
  • employer des outils de rédaction scientifique (l’éditeur LaTeX, par exemple).
  • utiliser des outils de collaboration pour mieux gérer le travail de groupe. 
  • consulter des librairies ou bibliothèques spécialisées qui sont plus adaptées au prototypage qu’aux workflows de déploiement. Cela permet de fluidifier le processus d’itération des idées et d’améliorer ainsi la productivité.

Lire l’article suivant : Quels profils de Data Scientist recruter ? (4/4)