Data Opportunity c’est une collaboration entre des entreprises, start ups, associations & DataScientest. À l'issue de ce partenariat, chaque groupe d’apprenants délivrera un projet data à l'entreprise en question. Cela correspond au projet fil rouge de la formation.
Ce projet est au cœur du fonctionnement de nos formations. En effet, elles reposent sur l’apprentissage par la pratique et sont composées de cours, d’exercices d’applications ainsi que d’un projet fil rouge. Celui-ci met en application tout ce que l’apprenant va apprendre tout le long de la formation. Ce projet se fait en binôme ou trinôme d’apprenants et prend une place progressivement plus importante à mesure que la formation avance. Afin de valider la formation, les apprenants devront soutenir leur projet devant nos professeurs.
Dans le cadre de Data Opportunity, l’entreprise fournit des données aux apprenants afin qu’ils utilisent des vraies données d’entreprise pour leur projet fils rouge. En échange, l’entreprise recevra un projet data gratuit, fait par des apprenants de qualités, sous l’expertise d’un expert en data.
Akanthas et Antoine ont collaboré pendant 11 semaines autour d’un projet en data science. Nous sommes allés à leur rencontre pour récolter leurs impressions sur cette expérience.
L’entreprise : Akanthas
Dans quel cadre Akanthas a participé au projet Data Opportunity et quels étaient les enjeux ?
Akanthas traite de problématiques liées à la gestion des déchets industriels. Un des enjeux de ce secteur d’activité est de pouvoir déclencher la collecte des bennes industrielles au bon moment. A l’heure actuelle, 80% des conteneurs sont soit en train de déborder, soit partiellement remplis lorsque cette collecte se produit. Akanthas développe une solution digitale qui permet de mesurer en temps réel le niveau de remplissage de ces contenants et d’optimiser le processus de collecte.
Comment avez-vous connu DataScientest? Quel était le processus à suivre pour rentrer dans le projet Data Opportunity ?
J’ai connu Datascientest par le biais de Nubbo, l’incubateur de référence en région Occitanie sur les projets innovants. Pour intégrer le programme Data Opportunity, j’ai d’abord participé à un séminaire de DataScientest où les conditions et avantages du programme étaient exposées par Charles Sutton [ ndlr CTO de DataScientest]. J’ai par la suite manifesté mon intérêt en répondant à un questionnaire décrivant les enjeux d’Akanthas sur la thématique de modélisation IA et décrivant les aspects sur lesquels nous pourrions avancer ensemble dans le cadre du programme Data Opportunity.
Comment s’est déroulé le projet ?
3 apprenants DataScientest sont intervenus sur le projet sous le tutorat d’un de leur professeur. Le projet a duré environ 3 mois sur lesquels les apprenants ont avancé avec un temps dédié de plus en plus important.
Quelle était votre relation avec les apprenants et le professeur ? (Fréquence et qualité de vos échanges/ par quel mode)
Pour une entreprise, l’enjeu sur un projet comme celui-ci est biparti :
- S’assurer que les travaux réalisés suivent une direction qui correspond à ses attentes et à ses besoins,
- Garantir la bonne progression du projet en participant à débloquer les éventuelles problématiques qui s’imposent ou en apportant des éléments/données supplémentaires.
Nous avons trouvé un bon équilibre sur un échange en visio d’environ 1h tous les 7-10 jours réunissant les 3 apprenants, leur professeur et le responsable côté entreprise. Durant cet échange, nous réalisions un bilan des avancées, des suggestions pour améliorer la démarche et abordions le plan pour la suite.
Est-ce que le projet a répondu à vos attentes ?
L’intérêt de Data Opportunity réside pour nous dans l’exploration de différentes stratégies/approches de modélisation. C’est un processus qui requiert toujours beaucoup de temps et le format du programme sur plusieurs mois avec plusieurs apprenants a permis de répondre parfaitement à ces besoins.
Quels sont les avantages de ce partenariat ?
Pour l’entreprise, le premier avantage de ce partenariat est bien sûr lié à la possibilité de faire progresser ses sujets de R&D sur les problématiques d’analyse de données et de modélisation. Le second avantage réside dans l’intégration à l’écosystème de DataScientest, dans lequel on peut apprendre les uns des autres et rencontrer un nouveau vivier d’intervenants et d’apprenants sur les thématiques data. C’est d’autant plus agréable dans le fait que l’équipe de DataScientest est à l’écoute et elle est très sympa. Mais surtout elle est très professionnelle et maîtrise son sujet à 100%.
Recommanderiez-vous à d’autres start-up de prendre part au projet de data opportunity ?
Je recommande sans modération à toute startup qui se pose de questions de modélisation et qui possède les données qui vont avec, d’intégrer le programme Data Opportunity.
L’apprenant : Antoine Depoorter
Qui êtes-vous et pourquoi avez-vous décidé de suivre une formation chez DataScientest ?
Je suis docteur en chimie, spécialisé en chimie analytique. J’ai consacré une partie de mon temps libre pendant et après ma thèse à apprendre en autonomie à coder et j’ai développé une plateforme d’analyse de données pour un jeu auquel je jouais. En faisant ça, je me suis découvert une passion pour la data science et DataScientest m’a offert la possibilité d’approfondir mes connaissances ainsi que de les certifier avec une certification reconnue par la Sorbonne.
Lors du choix des projets fil rouge, pourquoi avoir choisi ce projet ? Déroulement du projet
Je cherchais un projet difficile afin d’en apprendre un maximum. Je ne connaissais rien sur le traitement d’images lorsque le projet a commencé. Notre superviseur a débloqué en avance les modules nécessaires sur lesquels nous devions travailler. Les premières semaines étaient donc très difficiles car mes collègues (Ilia Gouaref et Illana Tartour que je remercie et avec qui j’ai eu beaucoup de plaisir à travailler) et moi ne connaissions rien sur ce domaine. Cependant, en utilisant les modèles présents dans le cours puis en corrigeant les erreurs les unes après les autres nous sommes arrivés à obtenir des performances satisfaisantes et à atteindre les attentes d’Akanthas.
Nous avons mis en place des modèles de Deep Learning permettant de déterminer le taux de remplissage de conteneurs de déchets industriels présents dans une image.
Combien de temps avez-vous passé sur ce projet ?
Individuellement nous avons dû passer 70-80 heures chacun sur ce projet. C’est assez difficile de donner une estimation précise. De plus, les modèles utilisés étant complexes (surtout à la fin du projet), les temps d’entraînement pouvaient atteindre plusieurs heures. Donc probablement bien plus.
Quelle était votre relation avec le professeur et la start- up ?
Thomas, notre superviseur, nous a suivis et encouragés tout au long du projet. Il nous a permis d’avancer dans la bonne direction et d’éviter de faire certaines erreurs qui auraient pu nous coûter du temps précieux. Les points hebdomadaires ont été des moments clés pour la progression du projet grâce à ses conseils. Le représentant de la start-up, Nicolas JAOUEN, était présent aux points hebdomadaires. Il a été d’une bonne aide également et ne manquait pas de nous féliciter lorsqu’il voyait que le projet avançait.
Quel a été l’accompagnement Datascientest tout au long de votre projet ? (Formateur, slack, masterclass, visio, etc.)
Durant la formation nous avons eu une masterclass par semaine. Celles-ci ont pu se révéler utiles afin d’approfondir et d’éclaircir certains points vus dans les cours. La présence de très bons éléments au sein de la promotion permettait d’avoir des réponses aux questions rapidement. Cependant pour les questions les plus difficiles les formateurs étaient là pour nous aider.
Est-ce que le fait de travailler sur des données d’entreprise a finalement accentué votre intérêt au projet ?
L’idée de travailler sur le taux de remplissage de conteneurs industriels peut ne pas paraître excitante initialement. Cependant, le fait de travailler pour une entreprise, avec des enjeux réels, a rendu le projet très intéressant. Nous avons pu découvrir une bonne partie des problématiques courantes auxquelles les Start-Up comme Akanthas doivent faire face lors de leur début.
Quelle suite voyez-vous à votre projet ?
(Pour des raisons de confidentialité je dois rester vague). Nous avons conclu le projet en créant différents modèles, chacun avec des approches différentes variées à la problématique. De plus, nous avions suggéré quelques idées pour améliorer le jeu de données ainsi que l’évaluation des modèles. Pour des raisons techniques et de temps, ceux-ci n’ont pas pu être optimisés. La modélisation des réseaux de neurones est un processus hautement itératif qui nécessite de nombreuses optimisations pour atteindre de bons niveaux de performance. Il reste donc une grosse partie d’optimisation à faire.
Recommanderiez-vous à d’autres apprenants de choisir le projet Data Opportunity lors de leur prochaine formation ?
La difficulté de ce projet est allée bien au-delà de ce que mes collègues et moi anticipions. Je recommande à tous les apprenants en recherche de challenge de choisir ce projet. Les connaissances techniques acquises ainsi que la méthodologie mise en place m’ont permis d’apprendre énormément et d’aller plus loin que ce que les cours permettent d’apprendre.
Pour finir, nous aimerions remercier Akanthas pour leur participation et l’implication tout le long du projet. Nous félicitons aussi le groupe d’apprenant composé de Antoine Depoorter, Ilia gouaref, Illana Tartour qui a pris part dans celui-ci. Ils ont été challengé pendant toute la durée du projet et ont réussi à relever ces défis avec brio.
Vous l’avez bien compris, Data opportunity est une réussite. Les apprenants ont eu l’opportunité de travailler sur des données réelles avec de vrais enjeux business. Quant à Akanthas ils ont pu profiter d’une main d’œuvre qualifiée et d’un projet data réalisé en 11 semaines. DataScientest veut voir ce projet perdurer dans le temps. Si vous êtes une start up, PME ou association et que vous voulez profiter de cette opportunité, il suffit d’envoyer un mail à sacha@datscientest.com en détaillant votre projet.
