Je suis en phase finale de ma formation et j’aspire à rejoindre DataSpace, une entreprise spécialisée dans la conception et la mise en œuvre de solutions de data science. Pour évaluer mes compétences, Karim, qui crée un poste chez DataSpace, m’a demandé de réaliser un test technique.
Ce test se divise en plusieurs étapes. Dans un premier temps, je dois identifier un nouvel algorithme de machine learning, datant de moins de cinq ans, qui pourrait améliorer la performance d’un modèle existant. Le choix du jeu de données est libre, et je peux choisir parmi ceux que j’ai utilisés durant ma formation ou en entreprise.
Karim m’a précisé qu’il attendait de moi une veille technologique approfondie pour identifier ce nouvel algorithme, en utilisant des sources fiables comme Arxiv, KDNuggets, ou Data Science Weekly. Une fois le modèle choisi, je dois préparer un plan prévisionnel qui inclura l’algorithme envisagé, les raisons de ce choix, le dataset utilisé, des références bibliographiques, et la méthode de test pour prouver la supériorité de ce nouvel algorithme.
Après avoir soumis ce plan à mon mentor et obtenu la validation, Karim m’a demandé de passer à la phase suivante : implémenter et comparer l’algorithme choisi avec un modèle baseline, plus ancien. Le tout devra être documenté dans un notebook unique, qui permettra de comparer les performances des deux approches.
Enfin, pour partager mon travail avec l’équipe interne, je devrai rédiger une note méthodologique qui présentera en détail la démarche adoptée, le fonctionnement du nouvel algorithme, les concepts nouveaux, ainsi que les résultats comparés avec la baseline. La dernière étape consiste à créer un dashboard interactif, idéalement avec Streamlit, pour illustrer concrètement la preuve de concept et les résultats des prédictions de l’algorithme.
Je suis déterminé à démontrer ma capacité à monter rapidement en compétence sur une nouvelle thématique, tout en fournissant une solution innovante et performante, adaptée aux besoins de DataSpace.
