Je sors d'une école d'ingénieur informatique en mars 2022, orienté sur la fouille de données, le machine learning et le BI

J'ai fais mon stage de fin d'étude avec un projet de deep learning en entreprise mais j'ai réalisé que ça ne m’intéressait pas trop.

Du coup je suis en recherche d'emploi mais en dehors de mon stage qui était un peu à part (C'était de la reconnaissance d'objet) je n'ai pas vraiment d'expérience concrète en dehors des projets scolaires. Je comprend bien que les entreprises veulent un employé qui démontre qu'il est capable de faire le travail directement sans avoir à le former (d'où le 2 ans minimum d'expérience exigé très souvent) mais du coup comment faire pour compenser ? (j'ai le niveau "académique" et mathématique, là dessus c'est pas trop un problème)

Est ce suffisant de tenir un portfolio avec une trentaine projets realisés de bout en bout ? Faut il quand même postuler dans les postes demandant 2 ans d'expérience ?

J'espère que vos conseils pourront m'aider

1) Le fait d'avoir un diplome d'ingé est un gros +: tu montres que tu es capable d'apprendre et de te former facilement.

2) Choisis une fiche métier précis, ne te perds pas dans des termes vagues et vastes: "Data", "Info", "Développement". Tu l'as déjà fais (data scientist), c'est bien. Il faut bien que tu comprennes en quoi consiste ce job. Si tu as des lacunes techniques compense les, forme toi dessus.

3) Adapte ton CV uniquement en fonction du métier choisis, si tu veux être data scientist on s'en fou que tu ai fais une application JAVA en DUT ou en école. Tu as fais 3 ou 5 ans d'informatique, on doute pas que t'as expérimenté un peu de tout. En revanche tu le mentionnes si c'est dans le cadre d'un stage.

4) La question principale que se pose un employeur c'est: Peut il faire le travail voulu, dans les temps et correctement ? Donc là effectivement tu sors des projets GitHub Kaggle etc. Tu as fais du deep learning, effectivement la technique n'est pas la même mais la partie "projet" est la même: Avoir un jeu de données, une problématique et y répondre.
Tu fais une dizaine de projet en lien avec le métier choisi et tu met un lien github là dessus, on sait que tu es jeune diplomé sans experience, on s'attend pas à un expert mais on veut quelqu'un qui sait de quoi ça parle.

5) Certaines entreprises forment les jeunes employés et n'ont pas ce critère d'expérience, postules là dessus également. Certaines boites demandent de l'expérience mais peuvent se résigner à prendre un débutant, donc postules quand même, tu risques rien à part te prendre un vent.
Tu peux aussi t'orienter vers des boites de consulting, ESN qui prennent des jeunes diplomés.

Perso quand je recrute ce que je regarde en premier dans les projets git c'est même pas la partie code, c'est surtout :

- Est ce que le code est lisible, maintenable, reutisable et documenté
- Est ce qu'y a des tests unitaires
- Est ce qu'il y a une pipeline CI ?
- Utilisation de git (commit, branches, pull request)
- Comment sont gérées les dépendances ? (Dans tous les projets de "data sciences" que j'ai vu c'est en général très mal géré)

Tout ça pour dire que mettre tes projets c'est à tes risques et périls, et en général j'ai même envie de dire que les recruteurs s'en fichent, surtout quand c'est juste des projets étudiants.

Ce qui fera la différence c'est à la limite d'avoir des projets "perso" hébergés sur ton git, pas tes projets d'école.

go ESN pour avoir 2 ans d'xp

ils prennent les jeunes diplomés

Tu as fait des vrai machine learnings ou c'est juste du bricolage des super termes ? Car je ne vois pas trop le lien entre ML et le BI et en général BI c'est pas vraiment une filière très pointue.

Après si tu as des bases sur ML go kaggle faire quelques projets de reconnaissance pour gonfler ton portfolio. Ne fait pas de projets genre jeu avec Java ou plateforme de e-commerce etc parce que ce sera probablement un point négatif pour un candidat dans la ML.

A mon avis les ESN sont peut être bon pour un dev Java mais pour un data scientist c'est douteux parce que sa mode de fonctionnement ne colle pas forcément bien avec l'industrie de l'intelligence artificielle.