Portrait de Léo, en école d'ingénieur en spécialisation Data Science et Intelligence Artificielle
Découvrez le parcours et les conseils d'un jeune Data Engineer passionné par l'impact de la data science sur la médecine
![Cover Image for Portrait de Léo, en école d'ingénieur en spécialisation Data Science et Intelligence Artificielle](/_next/image?url=https%3A%2F%2Fres.cloudinary.com%2Fmansdesmez%2Fimage%2Fupload%2Fv1694980263%2FYellow_And_Gray_Modern_Fashion_Blog_Banner_5_kle15b.png&w=3840&q=75)
Présentation de Leo
Salut tout le monde ! Je m'appelle Leo et j'ai 23 ans. Je suis passionné par tout ce qui touche à la data science, et plus particuliÚrement par son application dans le domaine médical.
Parcours
J'ai commencé par un DUT en Statistique et Informatique Décisionnelle, puis j'ai suivi trois années de licence en ingénierie statistique. Actuellement, je suis en école d'ingénieur en spécialisation Data Science et Intelligence Artificielle.
Formation actuelle
Je suis à l'ESIEA, une école d'ingénieur habilitée par la CTI en cursus ingénieur en apprentissage. Ce diplÎme est de niveau bac+5, et on peut y accéder aprÚs une prépa, un BTS, un DUT ou une licence. En tant qu'apprenti, l'entreprise prend en charge les frais de scolarité.
MĂ©tier de Data Engineer
Je travaille en tant que Data Engineer en entreprise. J'apprĂ©cie Ă©normĂ©ment ce mĂ©tier car il est au cĆur des projets de donnĂ©es. Mon travail consiste Ă comprendre les donnĂ©es, les modĂ©liser, construire une infrastructure pour les rĂ©cupĂ©rer, et enfin automatiser tout le processus. Il n'y a jamais qu'une seule façon de faire les choses !
Journée type
Mes journées varient en fonction de ma présence en formation ou en entreprise. Je peux passer une journée à travailler sur des TP de Réseaux ou de Cryptographie, tout comme je peux déployer un pipeline de données en entreprise.
Technologies utilisées
Au quotidien, j'utilise principalement le langage Python, suivi du langage R (utilisé par les statisticiens) dans le cadre de mon alternance. J'utilise également Docker/Kubernetes pour conteneuriser certaines applications, par exemple pour mettre en production un modÚle. Enfin, j'utilise Google Cloud Platform.
Conseils pour les futurs Data Scientists et Data Engineers
- Pour ceux qui veulent travailler dans le domaine des donnĂ©es, je recommande de persĂ©vĂ©rer, car la concurrence peut ĂȘtre rude sans le bon profil.
- Pour ceux qui aspirent à devenir Data Scientists, il est essentiel de renforcer ses bases en mathématiques.
- Pour ceux qui visent le poste de Data Engineer, la polyvalence est la clé : systÚme d'exploitation, modélisation de données, programmation... il faut savoir tout faire !
Ressource recommandée
J'apprécie énormément la chaßne YouTube Statquest : Statquest
Centres d'intĂ©rĂȘt hors tech
En dehors de la technologie, mes centres d'intĂ©rĂȘt incluent les mathĂ©matiques et la mĂ©decine.
RĂ©seaux sociaux
Vous pouvez me retrouver principalement sur Twitter : @xtlxnta