1. Orientation et reconversion

• Comment réussir à se former quand on manque de temps ?

• Y a-t-il un âge limite pour devenir data scientist ou travailler dans la data ?

• Peut-on réussir sans diplôme universitaire (ou sans master en data) ?

• Y-a-t’il des offres d’emplois à l'issu de la formation ML-PRO ?

• Comment se reconvertir depuis un autre métier (santé, enseignement, IT, etc.)?

• Est-il possible de trouver un emploi dans la data quand on a plus de 40 ou 50 ans ?

• Faut-il obligatoirement passer par un cursus académique pour être crédible ?

• Quelle est la différence entre Data Analyst, Data Scientist et Data Engineer ?

• Faut-il commencer par Data Analyst avant de viser Data Scientist ?

• Peut-on travailler à distance ou à l’international depuis son pays ?

• Est-ce que le métier de data scientist est bouché ?
  
  

2. Apprentissage, méthodologie et motivation

• Par quoi commencer quand on débute dans la data (Python, maths, ML...) ?

• Quelle roadmap suivre pour devenir Data Scientist ou ML Engineer ?

• Faut-il être bon en mathématiques pour réussir ?

• Quels sont les pré-requis pour suivre ML-PRO ?

• Combien de temps faut-il pour devenir opérationnel ?

• Comment rester motivé et éviter la démotivation pendant une formation ?

• Comment apprendre efficacement sans se disperser ?

• Faut-il tout coder soi-même ou utiliser des frameworks existants ?

• Comment gérer le syndrome de l’imposteur ?

• Comment concilier apprentissage, travail et vie de famille
  
  

3. Compétences et outils techniques

• Quelles compétences sont essentielles pour un Data Scientist / Analyst / Engineer ?

• Quels langages et bibliothèques faut-il maîtriser (Python, SQL, pandas, etc.) ?

• Faut-il apprendre le cloud (AWS, Azure, GCP) ?

• Quels algorithmes faut-il absolument connaître ?

• Quelle puissance de calcul faut-il pour entraîner un modèle d’IA ?

• Comment apprendre à déployer un modèle (outils, bonnes pratiques) ?
  
  

4. Projets pratiques et portfolio

• Comment trouver de vrais projets pour pratiquer ?

• Quels projets mettre dans son CV ou portfolio ?

• Quels projets sont adaptés aux débutants ?

• Où trouver des datasets intéressants ?

• Y-a-t’il des projets réels dans la formation ML-PRO ?
  
  
  

5. Emploi, stage et freelance

• Comment décrocher un premier emploi ou stage sans expérience ?

• Comment se démarquer sur un marché très concurrentiel ?

• Quelles qualités ou compétences les recruteurs recherchent le plus ?

• Comment trouver des missions freelance à distance ?

• Comment valoriser une formation en ligne ou un parcours autodidacte ?

• Faut-il être bon en anglais pour trouver un travail dans la Data ?
  
  

6. IA générative, avenir du métier et tendances

• L’IA va-t-elle remplacer les data scientists ?

• Quels domaines de l’IA sont encore peu explorés ou prometteurs ?

• Faut-il encore apprendre à coder avec les outils d’IA actuels ?

• Quelles sont les compétences qui resteront utiles à long terme ?

• Est ce qu’on voit les RAG et autres approches LLM dans ML-PRO ?
  
  
  

7. Motivation, mindset et productivité

• Comment rester motivé sur la durée ?

• Comment progresser quand on a l’impression de stagner ?

• Comment s’organiser pour terminer une formation ?

• Comment retrouver confiance après un échec ?

• Comment apprendre efficacement en autodidacte ?

• Est-ce qu’on est accompagné par toi et d’autres personnes dans ML-PRO ou bien sommes nous tout seul ? J’ai besoin de motivation !