Si vous voulez devenir Data Scientist en 2026, faites-le
es-tu assis en ce moment ?
10 ? 50 ?
Peut-être que vous avez dépassé la barre des 100 et que vous commencez à vous demander si vous parviendrez un jour à entrer par effraction.
Eh bien, j’y suis allé moi-même.
J’ai envoyé plus de 400 candidatures avant d’obtenir mon premier emploi en science des données.
Cependant, au cours des dernières années, j’ai décroché des offres d’emploi de plus de 100 000 $ provenant d’entreprises comme Gousto, Deliveroo, DoorDash, Wise et quelques startups.
Ainsi, dans cet article, je détaille les erreurs exactes que j’ai commises afin que vous puissiez éviter la lutte et accélérer votre chemin vers une carrière bien rémunérée en science des données.
Allons-y !
Apprentissage inutile
La toute première chose que vous devez faire pour obtenir un emploi en science des données est évidemment d’apprendre un peu de science des données.
Le problème est qu’il est si facile d’apprendre des informations complètement inutiles qui ne sont pas réellement nécessaires pour décrocher un emploi.
J’ai passé des semaines à apprendre des sujets sur lesquels on ne m’avait jamais posé de questions ni utilisé dans aucun processus d’entretien auquel j’ai participé. Et j’ai vécu plus de 100 entretiens à ce stade.
Des éléments comme AWS, Docker, les tests unitaires, etc. reviennent rarement dans les entretiens. Je veux dire, comment quelqu’un peut-il vraiment tester vos connaissances AWS en 1 heure ?
Pourtant, beaucoup d’autres et moi passons du temps à apprendre ces sujets même si c’est une perte de temps totale si vous cherchez à être embauché le plus rapidement possible.
J’encourage tous mes clients coaching à s’en tenir à l’étude des fondamentaux :
- Théorie des probabilités
- Les algorithmes de base d’apprentissage supervisé et non supervisé
- Questions Leetcode faciles à moyennes
- Les étapes de la création d’un modèle d’apprentissage automatique
- Tests et expérimentations statistiques
- Les concepts fondamentaux de l’apprentissage automatique tels que la descente de gradient, le biais par rapport à la variance et la validation croisée
Ce sont tous des domaines qui reviennent toujours lors des entretiens et dans lesquels vous devriez investir votre temps.
Vous devez impitoyablement donner la priorité à l’apprentissage des principes fondamentaux, car ce sont eux qui rapportent les dividendes les plus importants à long terme.
Approche du pistolet à dispersion
Il ne devrait pas falloir 400 candidatures pour décrocher votre premier emploi.
Cela m’a pris autant de temps parce que j’utilisais la stratégie du « pistolet à dispersion ». J’envoyais du spam sur Easy Apply de LinkedIn comme s’il n’y avait pas de lendemain.
Le taux de réussite et les chiffres parlent d’eux-mêmes : cette méthode a donné lieu à très peu d’entretiens.
Ce que j’aurais dû faire, c’est utiliser la méthode du « tireur d’élite » et me concentrer sur les rôles pour lesquels j’avais un net avantage.
Je pense que tu penses,
Mais Egor, je n’ai aucun avantage
C’est simplement un mythe.
Tout le monde a un avantage ; vous ne l’avez tout simplement pas encore trouvé.
Par exemple, vous pouvez cibler les rôles pour lesquels vous avez…
- Une thèse universitaire pertinente pour une industrie spécifique.
- Des projets parallèles qui résolvent les problèmes précis d’une entreprise.
- Vivre dans un endroit avec moins de concurrence locale.
Aussi, ne visez pas la lune dès le départ.
Il est très peu probable que vous obteniez une offre FAANG si vous n’avez aucune expérience préalable, à moins que vous n’ayez fréquenté une excellente école et que vous ayez été premier de votre classe.
La majorité des gens devraient commencer dans des petites entreprises et progresser lentement. C’est précisément ce que j’ai fait, et c’est une stratégie beaucoup plus durable.
Arrêtez de gaspiller de l’énergie sur des rôles pour lesquels vous n’êtes pas fait et commencez à viser là où vous pouvez réellement gagner.
CV non optimisé
Mon premier CV était complètement nul, comme si, honnêtement, c’était de l’eau de chien. Je suis même surpris d’avoir finalement décroché un rôle.
La vérité est que la plupart des gens pensent que leur CV est bon. Cependant, j’ai examiné des centaines de CV en science des données, et la plupart d’entre eux sont plutôt mauvais.
J’ai un article complet expliquant à quoi ressemble un bon CV en science des données, mais permettez-moi de détailler ici les points clés.
- Utilisez un modèle propre avec un formatage simple. Tu peux trouver le mien ici.
- Gardez-le sur une seule page, à moins que vous n’ayez une décennie d’expérience pertinente.
- Mentionnez toujours les mesures, les chiffres et surtout l’impact financier.
- Dirigez avec votre expertise, car c’est principalement pour cela que les recruteurs embauchent.
- Utilisez des mots d’action comme « dirigé », « développé », « exécuté » et « mené ». Vous voulez être clair sur le fait que vous avez fait ces choses.
- Ne spammez pas trop de langages et de technologies de programmation ; c’est un signal d’alarme, car je doute que vous les connaissiez tous.
Honnêtement, il n’est pas trop difficile de créer un bon CV ; il faut y consacrer du temps, et je parle d’au moins 10 heures.
Cela peut paraître beaucoup, mais c’est le document le plus crucial dans votre vie professionnelle, alors pourquoi essayer de le vendre à bas prix ?
Adaptez votre CV
Chaque candidature que j’ai soumise utilisait exactement le même CV.
Les mêmes trucs génériques, pas du tout personnalisés pour l’entreprise ou le rôle que je recherchais.
Sur ce marché, être générique et basique ne suffit pas.
Ce que j’aurais dû faire et ce que je dis à chaque client de coaching avec lequel je travaille, c’est d’adapter votre CV à chaque poste pour lequel vous postulez.
Oui, je parle littéralement de chaque emploi.
Regardez la description de poste, identifiez les mots et expressions clés et insérez-les dans votre CV.
Je sais que je viens de dire de ne pas spammer de nombreux langages et technologies de programmation, mais ce n’est pas ce que je suggère ici.
Je vous demande de faire preuve de tact avec les outils que vous ajoutez, afin que vous puissiez montrer explicitement que vous possédez les compétences exactes recherchées par l’entreprise.
Vous souhaitez optimiser au maximum votre CV par rapport à l’ATS (système de suivi des candidatures) pour éviter tout rejet automatique inutile.
Je sais que cela semble ennuyeux et demande beaucoup de travail, mais c’est ce que vous devez faire si vous voulez obtenir un emploi sur le marché concurrentiel d’aujourd’hui.
Réseautage et références
Si je pouvais vous donner une seule « astuce » pour décrocher plus d’entretiens, ce serait d’obtenir une référence.
D’après ceci poste:
Des taux de réussite à l’embauche plus élevés Les recommandations d’employés ont quatre fois plus de chances d’être embauchées que les candidats qui postulent via les sites d’emploi. Selon une étude de Jobvite, 40 % des embauches proviennent de références, alors que les références ne représentent que 7 % des candidats.
L’effet de levier que vous obtenez avec une référence est tout simplement fou.
Nous vivons à une époque où les gens sont socialement maladroits et ont tellement peur du rejet que ceux qui ont le courage de demander une référence détiennent un ticket en or.
Vous devriez commencer par les fruits les plus faciles à trouver. Je suis sûr à 100 % qu’un membre de votre famille ou d’un groupe d’amis travaille dans une entreprise où il pourrait vous recommander.
Souvent, la seule chose qui vous sépare d’un entretien est le simple fait de demander.
Veuillez arrêter de lire ceci immédiatement et notez 10 de vos amis les plus proches ou membres de votre famille, ainsi que leur lieu de travail.
Vérifiez ensuite chaque entreprise pour voir si elle recrute pour un poste de data scientist et demandez une référence.
Cela semble simple, n’est-ce pas ? C’est parce que c’est le cas.
Si, pour une raison quelconque, vous êtes cette étrange personne aberrante qui n’a aucune connexion, ce dont je doute fortement, alors vous devez activement construire votre réseau.
LinkedIn est encore criminellement sous-utilisé par la plupart des chercheurs d’emploi. Quelle autre plateforme vous donne accès aux personnes qui travaillent dans les entreprises dans lesquelles vous souhaitez travailler et vous permet d’interagir avec elles ?
Quand on y pense, c’est incroyablement puissant.
Vous devriez viser environ 50 invitations de connexion LinkedIn par semaine à des personnes de vos entreprises cibles.
Assurez-vous d’envoyer un message de connexion réfléchi et personnel, mais vous n’avez pas besoin de passer plus de 15 minutes par message.
Une approche encore meilleure consiste à établir des liens avec des personnes avec lesquelles vous avez une « affinité », comme celles qui partagent votre université, votre ville natale ou des intérêts communs.
Les gens sont beaucoup plus susceptibles de se connecter avec vous si vous partagez des traits ou des antécédents similaires ; c’est la psychologie humaine de base.
Établissez d’abord une relation en leur posant des questions sur leur expérience ; une fois que vous avez établi une connexion, partagez vos informations d’identification et demandez une référence.
C’est un jeu de chiffres, alors ne vous découragez pas si la plupart des gens ne répondent pas.
Toujours faire un suivi
La plupart des gens pensent qu’une fois que vous avez postulé pour un emploi, votre travail est terminé.
Il est temps de vous lever et de prendre un bon café en attendant une réponse à votre candidature.
Oh mon Dieu, est-ce que j’aimerais que la vie soit si facile.
Si vous faites comme tout le monde, vous obtiendrez les mêmes résultats : très peu d’entretiens.
Alors que devriez-vous faire d’autre ?
Après avoir soumis votre candidature, recherchez le responsable du recrutement, le partenaire talentueux ou le recruteur lié à cette offre d’emploi.
Vous pouvez trouver leur profil LinkedIn ou leur e-mail ; ça n’a pas vraiment d’importance.
Ensuite, envoyez-leur un message comme ceci :
Salut [name],
Je viens de voir ce rôle de data scientist de votre part et je suis très intéressé à postuler (ou j’ai postulé).
Je travaille en tant que Data Scientist et Machine Learning Engineer depuis plus de 4 ans dans les domaines de l’assurance, du commerce électronique et de la logistique dans les domaines classiques du ML, des modèles de tarification, de la prévision et de l’optimisation.
J’adorerais avoir une conversation sur le rôle !
Faites-moi savoir si je dois faire autre chose.
(Adaptez-le évidemment à vous-même !)
Ce que vous venez de faire, c’est de vous mettre au centre de leur esprit pour le travail. C’est un endroit où vous voulez clairement être.
Lorsque j’ai fait cela dans le passé, s’ils répondent, vous obtenez presque certainement un premier entretien.
Combinez cette étape avec une référence et vous êtes en or pour obtenir un premier entretien.
Entretiens simulés
Se présenter à un entretien sans préparation, c’est comme passer un examen de conduite sans jamais prendre le volant.
Vous vous préparez simplement à l’échec.
Les interviews simulées sont le « code de triche » ultime. Ils vous permettent de sur-préparer, ce qui est précisément là où vous voulez être au cas où des boules de courbe vous seraient lancées pendant l’entretien lui-même.
Il m’a fallu beaucoup de temps pour réaliser le pouvoir des simulations d’entretien. J’ai raté plusieurs premiers entretiens que, avec le recul, j’aurais facilement dû réussir.
Aujourd’hui, je parcoure le processus en raison du volume de pratique que j’ai mis.
Étant donné que les rôles en science des données et en apprentissage automatique ne sont pas aussi standardisés que ceux en génie logiciel, le processus d’entretien peut ressembler au « Far West », avec de nombreuses variantes.
Pour couvrir vos bases, vous devez exécuter des simulations pour :
- Théorie ML/DS —Tester vos connaissances fondamentales.
- Programmation en binôme —Codage en direct sous pression.
- Comportemental —Perfectionner vos « compétences générales » et vos capacités de narration.
- Présentations d’études de cas —Communiquer des choses techniques de manière digeste.
Cela peut sembler beaucoup de travail, et c’est le cas.
La majorité des gens pensent qu’obtenir un emploi en science des données est une promenade de santé ; c’est pourquoi ils n’obtiennent aucun résultat et commencent à « blâmer le marché » et n’assument aucune responsabilité personnelle.
Si vous suivez les étapes de cet article, vous finirez par décrocher un rôle en science des données.
Cependant, si vous souhaitez accélérer le processus, je vous invite à rejoindre le Data Science Launchpad.
Il s’agit de mon programme de coaching, dans lequel vous bénéficierez du soutien direct d’une communauté de personnes partageant les mêmes idées et de moi-même, ainsi que d’un cadre éprouvé, étape par étape, pour décrocher des emplois en science des données.
Vous pouvez postuler au Data Science Launchpad en utilisant le lien ci-dessous :
https://coaching.egorhowell.com
Une autre chose !
Rejoignez ma newsletter gratuite où je partage chaque semaine des astuces, des idées et des conseils issus de mon expérience en tant que data scientist et ingénieur en apprentissage automatique. De plus, en tant qu’abonné, vous recevrez mon Modèle de CV GRATUIT !
Diffuser les données
Des e-mails hebdomadaires vous aidant à décrocher votre premier emploi en science des données ou en apprentissage automatiquenewsletter.egorhowell.com
Connectez-vous avec moi
