🚀 Du technique au stratégique
Les soft skills essentiels pour le data scientist
Bienvenue !
Ce repo GitHub contient les supports de cours pour une série d’ateliers conçus pour compléter votre parcours technique au sein du Diplôme Sorbonne Data Analytics.
Votre cursus vous donne une base technique solide (Python, SQL, Stats, Machine Learning, MLOps, Cloud, etc.) Ce cours de soft skills sessions se concentrent sur les compétences transversales qui font la différence entre un bon data scientist et un excellent data scientist.
L’objectif est de vous aider à développer un état d’esprit stratégique pour aller au-delà de l’exécution technique, afin de mieux résoudre les problèmes business, comprendre la stratégie de l’entreprise et maximiser votre impact.
Nous aborderons 4 thèmes clés, toujours avec un focus sur les projets de data science, machine learning et IA : les présentations impactantes, l’IA au quotidien, la gestion de produit/projet data, et la recherche utilisateur.
🏛️ Le principe : Au-delà du modèle
Un excellent data scientist ne fait pas que construire des modèles : il crée de la valeur. L’excellence technique est nécessaire, mais votre influence viendra de votre capacité à bien comprendre les besoins business, à communiquer clairement vos résultats et à vous assurer que votre travail a un impact concret.
Voici un aperçu des 4 sessions prévues, avec leur statut actuel :
- Statut : âś… Disponible
- Objectif : Apprendre à communiquer vos résultats techniques (analyses, modèles ML/IA) de manière claire et convaincante à des publics variés (techniques ou non).
- Ce que nous avons vu :
- Structurer une présentation (le processus avant l’outil).
- Adapter votre message à l’audience (prof vs. pro, cultures).
- Créer des slides claires et efficaces (1 idée/slide, visuels…).
- Utiliser l’IA (Gamma, Gemini) comme assistant.
🤖 Session 2 : L’IA (LLMs) au quotidien
- Statut : 🚧 En construction
- Objectif : Maîtriser l’utilisation des IA génératives (comme Gemini, ChatGPT, Copilot) pour booster votre productivité et la qualité de votre travail au quotidien sur des projets data.
- Ce que nous aborderons (prévision) :
- Accélérer le codage (Python, SQL…) et le débogage.
- Générer de la documentation technique (ex:
README.md, commentaires de code).
- Rédiger des communications professionnelles (emails, synthèses…).
- Utiliser l’IA pour préparer votre recherche d’emploi (portfolio, CV, préparation aux entretiens).
🗺️ Session 3 : Gestion de produit et projet
- Statut : 🚧 En construction
- Objectif : Adopter une approche structurée et orientée produit pour vos projets data (ML, IA), depuis la compréhension du besoin jusqu’à la livraison de valeur.
- Ce que nous aborderons (prévision) :
- Comprendre la stratégie business et aligner vos projets data.
- Les bases de la gestion de projet Agile adaptée à la Data Science (ex: CRISP-DM simplifié).
- Comment bien cadrer un projet et gérer les attentes des parties prenantes (stakeholders).
🌱 Session 4 : Les bases de la recherche utilisateur
- Statut : 🚧 En construction
- Objectif : Comprendre pourquoi et comment intégrer la perspective des utilisateurs finaux dans vos projets data (même techniques) pour vous assurer que vous résolvez un vrai problème et que votre solution sera adoptée.
- Ce que nous aborderons (prévision) :
- Pourquoi la recherche utilisateur est cruciale, même pour des modèles ML/IA.
- Méthodes simples pour recueillir des besoins et des retours (interviews, questionnaires…).
- Comment traduire ces retours en spécifications utiles pour vos projets techniques.
Ce repo GitHub sera votre ressource centrale pour tous les supports de cours (slides, notes, aide-mémoires…) de ces sessions au fur et à mesure de leur création.