[DÉBAT] - DATA SCIENTIST vs ACTUAIRE

Le 17 avril 2021 à 00:02:44 :

Le 16 avril 2021 à 23:58:55 :

Le 16 avril 2021 à 23:55:38 :
Actuaire ici.

C'et en réalité un titre avec une palette de métiers assez large où tu peux bosser dans plusieurs domaines différentes et y faire des choses relativement différentes. T'as des actuaires dans dans des front-offices, t'as des actuaires dans des institutions internationales, t'as des actuaires dans des départements de gestion des risques d'organismes non-financiers, t'as des actuaires qui bossent dans la data science.

Concernant le salaire, tu commences entre 42 et 48k selon où tu bosses avec une revalo de 10%/an et le plafond c'est selon ton profil. Je connais des actuaires à 100/150k.

Un avantage d'avoir le titre d'actuaire c'est que tu as un titre et qu'un autre profil matheux pourra pas trop venir sur ton terrain contrairement à la data science où la concurrence me paraît plus "ouverte".

Oui je vois, c’est clair que tout le monde se proclame DS à base de certifs bidons ou de MOOC (après je suppose qu’ils galèrent à trouver du taff quand même), alors qu’actuaire c’est bien plus complexe.

Les actuaire à 100-150k c’est vraiment des cas rarissimes ou ça se fait tranquille en étant plutot déter (et avec 10-15 ans d’ancienneté bien sur) ?

Sinon sur le métier en tant que tel, tu trouves ça assez entretenant, ou au contraire plutot répétitif ?

Oui, le côte "titre" est pas négligeable et nous protège vraiment de la "concurrence".

Je pense pas que ce soit rare si tu bosses à fond mais pas mal d'actuaires décident de se "poser" au bout de plusieurs années ce qui fait que le salaire n'augmente plus énormément.

Moi c'est entretenant mais selon où tu vas ça peut être super chiant. Faut vraiment choisir le domaine où tu vas.

Okay je vois, tu peux m’en dire plus sur les domaines intéressants/et ou chiant ?

Le 17 avril 2021 à 00:03:54 :

Le 16 avril 2021 à 23:54:00 :

Le 16 avril 2021 à 23:50:51 :
Et effectivement les prérequis de la DS sont bas, mais t'inquiète pas que tous ceux qui savent juste utiliser scikit-learn, keras etc sans réflechir se feront grand remplacer par la sainte automatisation à moyen terme

Pour te dire, mon prof de python/initation à la DS, qui est un alumni de mon master, ne se rappelait plus de l’estimateur des MCO

J’ai pris une petite redpill ce jour là ahi. Après tu dis qu’ils seront remplacés, mais même issu des formations les plus mathématisées je suppose qu’on oublie vite après 6/7 ans sur le terrain à c/c des lm(y~x)

C'est pas grave ça, moi-même je m'en souviens pas par coeur pour être honnête. Le plus important c'est de savoir comment ça marche pour quantifier tes erreurs, la convergence de ton modèle et pas faire nimp. Tout ça est pas spécialement important dans 80% des cas (s/o le conseil ahi) mais dès lors que ça touche à des secteurs où le risque n'est pas tolérable aucune institution sérieuse ne prendra le risque d'embaucher un neuneu qui sait juste faire .fit/.predict

Okay merci pour les infos !

Ouais j’abuse p-e pour l’estimateur des MCO, mais j’ai l’impression qu’une fois qu’on ouvre Python c’est pour c/c des algos et faire du .fit/.predict comme tu le dis, et ça me démotive un peu je t’avoue

Le 17 avril 2021 à 00:03:57 :

Le 17 avril 2021 à 00:02:44 :

Le 16 avril 2021 à 23:58:55 :

Le 16 avril 2021 à 23:55:38 :
Actuaire ici.

C'et en réalité un titre avec une palette de métiers assez large où tu peux bosser dans plusieurs domaines différentes et y faire des choses relativement différentes. T'as des actuaires dans dans des front-offices, t'as des actuaires dans des institutions internationales, t'as des actuaires dans des départements de gestion des risques d'organismes non-financiers, t'as des actuaires qui bossent dans la data science.

Concernant le salaire, tu commences entre 42 et 48k selon où tu bosses avec une revalo de 10%/an et le plafond c'est selon ton profil. Je connais des actuaires à 100/150k.

Un avantage d'avoir le titre d'actuaire c'est que tu as un titre et qu'un autre profil matheux pourra pas trop venir sur ton terrain contrairement à la data science où la concurrence me paraît plus "ouverte".

Oui je vois, c’est clair que tout le monde se proclame DS à base de certifs bidons ou de MOOC (après je suppose qu’ils galèrent à trouver du taff quand même), alors qu’actuaire c’est bien plus complexe.

Les actuaire à 100-150k c’est vraiment des cas rarissimes ou ça se fait tranquille en étant plutot déter (et avec 10-15 ans d’ancienneté bien sur) ?

Sinon sur le métier en tant que tel, tu trouves ça assez entretenant, ou au contraire plutot répétitif ?

Oui, le côte "titre" est pas négligeable et nous protège vraiment de la "concurrence".

Je pense pas que ce soit rare si tu bosses à fond mais pas mal d'actuaires décident de se "poser" au bout de plusieurs années ce qui fait que le salaire n'augmente plus énormément.

Moi c'est entretenant mais selon où tu vas ça peut être super chiant. Faut vraiment choisir le domaine où tu vas.

Okay je vois, tu peux m’en dire plus sur les domaines intéressants/et ou chiant ?

Moi je conseille d'aller dans le conseil et d'éviter les compagnies où t'as pas mal d'actuaires qui ne font qu'actualiser des trucs existants.

Pour compléter le point sur le salaire, j'ajouterais que c'est un boulot où tu peux avoir un très bon salaire sans que la pression soit énorme ou que tu fasses de gros horaires.

Le 17 avril 2021 à 00:10:51 :

Le 17 avril 2021 à 00:03:57 :

Le 17 avril 2021 à 00:02:44 :

Le 16 avril 2021 à 23:58:55 :

Le 16 avril 2021 à 23:55:38 :
Actuaire ici.

C'et en réalité un titre avec une palette de métiers assez large où tu peux bosser dans plusieurs domaines différentes et y faire des choses relativement différentes. T'as des actuaires dans dans des front-offices, t'as des actuaires dans des institutions internationales, t'as des actuaires dans des départements de gestion des risques d'organismes non-financiers, t'as des actuaires qui bossent dans la data science.

Concernant le salaire, tu commences entre 42 et 48k selon où tu bosses avec une revalo de 10%/an et le plafond c'est selon ton profil. Je connais des actuaires à 100/150k.

Un avantage d'avoir le titre d'actuaire c'est que tu as un titre et qu'un autre profil matheux pourra pas trop venir sur ton terrain contrairement à la data science où la concurrence me paraît plus "ouverte".

Oui je vois, c’est clair que tout le monde se proclame DS à base de certifs bidons ou de MOOC (après je suppose qu’ils galèrent à trouver du taff quand même), alors qu’actuaire c’est bien plus complexe.

Les actuaire à 100-150k c’est vraiment des cas rarissimes ou ça se fait tranquille en étant plutot déter (et avec 10-15 ans d’ancienneté bien sur) ?

Sinon sur le métier en tant que tel, tu trouves ça assez entretenant, ou au contraire plutot répétitif ?

Oui, le côte "titre" est pas négligeable et nous protège vraiment de la "concurrence".

Je pense pas que ce soit rare si tu bosses à fond mais pas mal d'actuaires décident de se "poser" au bout de plusieurs années ce qui fait que le salaire n'augmente plus énormément.

Moi c'est entretenant mais selon où tu vas ça peut être super chiant. Faut vraiment choisir le domaine où tu vas.

Okay je vois, tu peux m’en dire plus sur les domaines intéressants/et ou chiant ?

Moi je conseille d'aller dans le conseil et d'éviter les compagnies où t'as pas mal d'actuaires qui ne font qu'actualiser des trucs existants.

Pour compléter le point sur le salaire, j'ajouterais que c'est un boulot où tu peux avoir un très bon salaire sans que la pression soit énorme ou que tu fasses de gros horaires.

Okay merci !

Le 17 avril 2021 à 00:07:49 :

Le 17 avril 2021 à 00:03:54 :

Le 16 avril 2021 à 23:54:00 :

Le 16 avril 2021 à 23:50:51 :
Et effectivement les prérequis de la DS sont bas, mais t'inquiète pas que tous ceux qui savent juste utiliser scikit-learn, keras etc sans réflechir se feront grand remplacer par la sainte automatisation à moyen terme

Pour te dire, mon prof de python/initation à la DS, qui est un alumni de mon master, ne se rappelait plus de l’estimateur des MCO

J’ai pris une petite redpill ce jour là ahi. Après tu dis qu’ils seront remplacés, mais même issu des formations les plus mathématisées je suppose qu’on oublie vite après 6/7 ans sur le terrain à c/c des lm(y~x)

C'est pas grave ça, moi-même je m'en souviens pas par coeur pour être honnête. Le plus important c'est de savoir comment ça marche pour quantifier tes erreurs, la convergence de ton modèle et pas faire nimp. Tout ça est pas spécialement important dans 80% des cas (s/o le conseil ahi) mais dès lors que ça touche à des secteurs où le risque n'est pas tolérable aucune institution sérieuse ne prendra le risque d'embaucher un neuneu qui sait juste faire .fit/.predict

Okay merci pour les infos !

Ouais j’abuse p-e pour l’estimateur des MCO, mais j’ai l’impression qu’une fois qu’on ouvre Python c’est pour c/c des algos et faire du .fit/.predict comme tu le dis, et ça me démotive un peu je t’avoue

Tout ça me rappelle mon prof de maths en 3e qui souhaitait que les élèves disposent d'un formulaire pour le brevet. Son argument c'était que de toute manière ceux qui n'ont pas bossé ne sauront pas quelle est la bonne formule à appliquer. Je crois que cette idée est un peu la même dans le cas de la DS, et surtout du ML. La mise en œuvre du modèle est une partie rapide du process, alors que paradoxalement c'est celle qui est la plus connue et valorisée. La préparation des données, le choix de la méthode et l'évaluation des résultats ont beaucoup plus d'importance dans la qualité et la pertinence de la réponse.

Et pour correctement traiter ces trois aspects (quatre même si tu ajoutes la phase de fine tuning lors du training qui peut requérir de sérieuses connaissances du domaine duquel sont issues tes données), il y a tout un cheminement intellectuel que personnellement je trouve stimulant et auquel j'apprécie consacrer mon énergie.

Pour résumer, mon plaisir dans la DS c'est justement de coder le moins possible (bon c'est faux j'aime mettre les mains dans le cambouis quand même mais pas faire du bête c/c)

Le 17 avril 2021 à 00:17:29 :
Le Data Scientist prépare les algorithmes pour mettre l’actuaire au chômage

Le 17 avril 2021 à 00:19:18 :

Le 17 avril 2021 à 00:07:49 :

Le 17 avril 2021 à 00:03:54 :

Le 16 avril 2021 à 23:54:00 :

Le 16 avril 2021 à 23:50:51 :
Et effectivement les prérequis de la DS sont bas, mais t'inquiète pas que tous ceux qui savent juste utiliser scikit-learn, keras etc sans réflechir se feront grand remplacer par la sainte automatisation à moyen terme

Pour te dire, mon prof de python/initation à la DS, qui est un alumni de mon master, ne se rappelait plus de l’estimateur des MCO

J’ai pris une petite redpill ce jour là ahi. Après tu dis qu’ils seront remplacés, mais même issu des formations les plus mathématisées je suppose qu’on oublie vite après 6/7 ans sur le terrain à c/c des lm(y~x)

C'est pas grave ça, moi-même je m'en souviens pas par coeur pour être honnête. Le plus important c'est de savoir comment ça marche pour quantifier tes erreurs, la convergence de ton modèle et pas faire nimp. Tout ça est pas spécialement important dans 80% des cas (s/o le conseil ahi) mais dès lors que ça touche à des secteurs où le risque n'est pas tolérable aucune institution sérieuse ne prendra le risque d'embaucher un neuneu qui sait juste faire .fit/.predict

Okay merci pour les infos !

Ouais j’abuse p-e pour l’estimateur des MCO, mais j’ai l’impression qu’une fois qu’on ouvre Python c’est pour c/c des algos et faire du .fit/.predict comme tu le dis, et ça me démotive un peu je t’avoue

Tout ça me rappelle mon prof de maths en 3e qui souhaitait que les élèves disposent d'un formulaire pour le brevet. Son argument c'était que de toute manière ceux qui n'ont pas bossé ne sauront pas quelle est la bonne formule à appliquer. Je crois que cette idée est un peu la même dans le cas de la DS, et surtout du ML. La mise en œuvre du modèle est une partie rapide du process finalement, alors que paradoxalement c'est celle qui est la plus connue et valorisée. La préparation des données, le choix de la méthode et l'évaluation des résultats ont beaucoup plus d'importance dans la qualité et la pertinence de la réponse.

Et pour correctement traiter ces trois aspects (quatre même si tu ajoutes la phase de fine tuning lors du training qui peut requérir de sérieuses connaissances du domaine duquel sont issues tes données), il y a tout un cheminement intellectuel que personnellement je trouve stimulant et auquel j'apprécie consacrer mon énergie.

Pour résumer, mon plaisir dans la DS c'est justement de coder le moins possible (bon c'est faut j'aime mettre les mains dans le cambouis quand même mais pas faire du bête c/c)

Tu dis ça sous le ton de la rigolade mais je pense que c’est le cas pour la majorité des gens

Le 17 avril 2021 à 00:23:36 :
petit up cadeau

Le 17 avril 2021 à 00:24:13 :

Le 17 avril 2021 à 00:19:18 :

Le 17 avril 2021 à 00:07:49 :

Le 17 avril 2021 à 00:03:54 :

Le 16 avril 2021 à 23:54:00 :

Le 16 avril 2021 à 23:50:51 :
Et effectivement les prérequis de la DS sont bas, mais t'inquiète pas que tous ceux qui savent juste utiliser scikit-learn, keras etc sans réflechir se feront grand remplacer par la sainte automatisation à moyen terme

Pour te dire, mon prof de python/initation à la DS, qui est un alumni de mon master, ne se rappelait plus de l’estimateur des MCO

J’ai pris une petite redpill ce jour là ahi. Après tu dis qu’ils seront remplacés, mais même issu des formations les plus mathématisées je suppose qu’on oublie vite après 6/7 ans sur le terrain à c/c des lm(y~x)

C'est pas grave ça, moi-même je m'en souviens pas par coeur pour être honnête. Le plus important c'est de savoir comment ça marche pour quantifier tes erreurs, la convergence de ton modèle et pas faire nimp. Tout ça est pas spécialement important dans 80% des cas (s/o le conseil ahi) mais dès lors que ça touche à des secteurs où le risque n'est pas tolérable aucune institution sérieuse ne prendra le risque d'embaucher un neuneu qui sait juste faire .fit/.predict

Okay merci pour les infos !

Ouais j’abuse p-e pour l’estimateur des MCO, mais j’ai l’impression qu’une fois qu’on ouvre Python c’est pour c/c des algos et faire du .fit/.predict comme tu le dis, et ça me démotive un peu je t’avoue

Tout ça me rappelle mon prof de maths en 3e qui souhaitait que les élèves disposent d'un formulaire pour le brevet. Son argument c'était que de toute manière ceux qui n'ont pas bossé ne sauront pas quelle est la bonne formule à appliquer. Je crois que cette idée est un peu la même dans le cas de la DS, et surtout du ML. La mise en œuvre du modèle est une partie rapide du process finalement, alors que paradoxalement c'est celle qui est la plus connue et valorisée. La préparation des données, le choix de la méthode et l'évaluation des résultats ont beaucoup plus d'importance dans la qualité et la pertinence de la réponse.

Et pour correctement traiter ces trois aspects (quatre même si tu ajoutes la phase de fine tuning lors du training qui peut requérir de sérieuses connaissances du domaine duquel sont issues tes données), il y a tout un cheminement intellectuel que personnellement je trouve stimulant et auquel j'apprécie consacrer mon énergie.

Pour résumer, mon plaisir dans la DS c'est justement de coder le moins possible (bon c'est faut j'aime mettre les mains dans le cambouis quand même mais pas faire du bête c/c)

Tu dis ça sous le ton de la rigolade mais je pense que c’est le cas pour la majorité des gens

Moi à titre personnel j'aime bien bricoler mais j'aime pas faire du vrai code industriel. Si ce que je fais n'existe pas ou mal, alors je suis content de le créer mais soyons honnêtes 95% des choses que souhaite faire un Data Scientist est dispo sur un repo GitHub ou via une lib. Un type qui préfère coder que bosser sur le pourquoi du comment, faut qu'il change de branche et qu'il fasse dev (et je dis ça sans mépris, je conçois que certaines personnes préfèrent bosser sur l'infra)

Les actuaires de maintenant sont formés pour comprendre (pas faire) tout ce qu'un DS fait, avec les multitudes de données que les entreprises d'assurance utilisent ils n'ont plus tellement le choix.

Ca ne sert donc à rien de faire actuariat & DS car ce sont deux jobs différents.