"J'ai pu casser la barrière des mathématiques"

Interview Boukar Sall, CEO @ Plaiz & alumni du notre formation débutant en Data Sciences : 40 heures de formation pour devenir comprendre les problématiques, apprendre Python et la gestion de bases de données avec SQL et réaliser son premier projet Data.

‍

Hello Boukar, quel est ton parcours ? Tes objectifs avec la formation ?

J’ai un parcours en école de commerce. Après un cursus réalisé au Bachelor de l’ESSEC, j’ai voulu me lancer dans un projet entrepreneurial auquel je réfléchissais : un réseau social pour la mode. J’ai lancé Plaiz avec 2 associés en 2017, l’application a été lancée en 2018. En rejoignant notre communauté, l’utilisateur rentre ses goûts, styles et tendances modes préférées. Puis, lui sont suggérés différents styles ou inspirations suivant les champs qu’il a pu remplir. C’est un réseau social sans followers ni likes, les interactions entre les utilisateurs restent privées pour que seule la créativité derrière le contenu posté ne ressorte. Intégrer des modèles algorithmiques dans le réseau social nous paraissait judicieux, surtout lorsque l’on voulait élargir les typologies de styles proposés par le réseau social. Pour le moment, notre marketing est très ciblé sur le streetwear, j’avais l’ambition de diversifier tout ceci. Pourquoi ne pas participer à la création et recommandation de contenu ? J’avais entendu parlé de la formation via un ami de l’ESSEC qui avait suivi la formation Data Science de Jedha.

Est-venue ta formation quel était ton ambition en la suivant ?

J’ai suivi la formation des Fondamentaux à temps partiel, tous les samedis pendant la journée. L’objectif que j’avais en abordant la formation était clair, en lien avec l’entreprise que j’ai fondée. J’avais quelques bases en développement acquises à la création de Plaiz, mais je n’allais pas plus loin dans les compétences techniques. Je ne codais pas en Python, avait une idée peu concrète de ce qu’était le Machine Learning.

Pas trop peur des mathématiques ?

La formation m’a permis de voir que même si certains peuvent avoir des blocages,

La pratique rend les mathématiques tangibles et concrétise les concept vus, on peut très bien démarrer sans grosses bases mathématiques.

Si besoin d’aller plus loin dans la Data Science, maîtriser des concepts poussés en maths est évident ! Avec toutes les bases que l’on a nous a enseigné, j’ai pu aller beaucoup plus loin que le cadre du cours. Dès que l’on a abordé Python, j’ai pu rapidement me projeter dans mes ambitions pour Plaiz en termes d’intégration de modèle !

Théorie, pratique, et exemple de la vie pro !

La formation m’a permis de casser la barrière de la technique et des mathématiques ! On alterne bien entre théorie et pratique, ce qui nous a aussi appris à faire des recherches par soi même, d’être autonome, selon nos envies personnelles et professionnelles respectives. Pour Plaiz, j’ai pensé à faire de la classification, sur les typologies d’utilisateurs de ma plateforme qui seraient le plus susceptibles d’y rester connectés longtemps avec les modèles de régressions logistiques. En discutant de tout ceci avec Paul, mon professeur, il m’a conseillé de me pencher sur les méthodes de collaborative filtering pour mon projet final : c’est une piste que j’ai creusée.

Quelle était la pédagogie de ton professeur ?

Théorie, pratique et cas de la vie professionnelle ! Pour moi, cela tombait plutôt bien, puisque Paul était Lead Data Scientist chez Shapr – application de networking -. Ce core business étant proche de celui de Plaiz,

Il a pu me conseiller sur la manière de gérer les données de manière plus globale, et dans le cadre de la formation sur les directions à prendre pour notre projet de fin de formation.

Il m’a envoyé des articles sur la thématique de mon projet, le collaborative filtering (filtrage collaboratif). On avait aussi un très bonne ambiance de promo, un groupe soudé, avec un bon environnement de travail !

Quel était ton projet final ?

Comme je le disais, en ayant toutes les bases de la formation, j’ai pu sortir un projet Machine Learning dont le modèle n’était pas au programme, j’ai pu aller plus loin. L’idée est dans ce projet était de prédire ce que des utilisateurs veulent voir, en passant par un système de recommandation. Dans un premier temps j’ai pu établir des similarités entre les utilisateurs, afin de prédire les notes qu’un utilisateur donnerait à un contenu (photo d’habit par exemple). L’étape suivante était de mesurer la précision de mes estimations pour les ajuster et mieux recommander mon contenu à d’autres utilisateurs.

Quels sont les nexts steps pour toi et ton projet entrepreneurial ?

Aller plus loin dans ce projet, dans un premier temps ! Optimiser le modèle, essayer d’autres stratégies de recommandation (autant basées sur le produit que sur l’utilisateur) et continuer dans l’analyse des données utilisateurs pour leur proposer une meilleure application en somme. Dans un second temps, viendra le moment de la mise en production…des projets à venir pour Plaiz.

Tous les retours d’expériences de nos élèves sur la chaîne Youtube de Jedha, ainsi que dans notre rubrique Carrière !

Si vous souhaitez acquérir les compétences en Data recherchées des recruteurs, n'hésitez pas à regarder les formations Data que Jedha Bootcamp propose