Intégrer facilement de nouveaux collaborateurs

Les taux de rotation élevés sont une réalité. De nombreuses raisons expliquent la tendance croissante des personnes à changer d'équipe, comme les reconversions professionnelles, les mobilités internes, les années sabbatiques, etc. L'époque où les gens restaient dans la même entreprise toute leur vie est révolue...

De nos jours, les entreprises qui veulent garder une longueur d'avance sur la concurrence doivent être capables d'accepter ce phénomène et s'y préparer. Une grande partie de cette préparation implique d'avoir un plan d'intégration fiable.

‍

Onboarding new collaborators easily

‍

Aujourd'hui, nous allons nous concentrer sur le processus d'intégration des équipes de machine learning et de data science. Nous pensons qu'il est encore plus difficile d'assurer un flux de travail cohérent pour ce type de postes. C'est aussi le domaine que nous connaissons le mieux !

Pourquoi l'intégration des collaborateurs ML est-elle plus difficile que pour d'autres ?

La particularité de l'équipe ML est qu'elle traite généralement de plusieurs dimensions :

• Processus métier orientés données

• Explorations et expériences

• Données et plateformes de données

• Clouds publics/privés

• Technologies et modèles ML

‍

Soutenir ces dimensions nécessite des équipes dédiées variées telles que des product owners, des analystes métier, des analystes de données, des data scientists, des ingénieurs ML, des ingénieurs données, des ingénieurs logiciels et des ingénieurs DevOps.

Guider un nouvel employé à travers tous ces domaines peut être un véritable casse-tête, en lui donnant accès à tous les outils, espaces de stockage de données et modèles ML.

Le pire dans tout cela, c'est que vous devrez le faire assez souvent...

En raison de l'évolution rapide du paysage technologique, des pénuries sévères sur le marché, des opportunités de combiner plusieurs rôles en un seul, etc., les équipes choisissent des transitions de rôle/équipe à un rythme plus rapide que pour d'autres rôles dans d'autres types d'équipes logicielles.

Selon nos observations personnelles, nous constatons que cela se produit au moins une fois tous les trois à six mois. En anticipant des ratios similaires, nous avons constaté que la meilleure stratégie est de se concentrer sur le partage des connaissances et de la responsabilité, combiné à un processus d'intégration/départ solide.

‍

"Dans notre organisation, il y a beaucoup de changements dans nos équipes de recherche en Data science. En tant que chef d'équipe, je dois généralement consacrer au moins un jour par semaine à l'intégration et à la formation des nouveaux collaborateurs, c'est une part énorme de mon travail." Sophie, Responsable d'équipe IA

‍

Comment Picsellia peut-il faciliter vos intégrations ?

L'un des plus grands points de friction de l'intégration de talents dans votre équipe ML est l'hétérogénéité des outils et des processus. Chez Picsellia, nous croyons que vous ne devriez pas construire une chaîne de 6 outils... c'est pourquoi nous avons construit 6 outils en 1 plateforme pour vous aider à rendre vos processus aussi fluides que possible.

Notre philosophie repose sur 3 piliers :

• Traçabilité
• Reproductibilité
• Observabilité

Ces piliers peuvent sembler un peu abstraits, alors traduisons-les en questions...

• Où sont toutes nos expériences ?
• Comment puis-je m'assurer que toutes mes données ne sont pas obsolètes ?
• Comment donner accès aux travaux précédents de l'entreprise à mon nouvel employé ?

‍

Le suivi de vos expériences est essentiel pour les nouveaux employés

Onboarding new collaborators easily

Comme vous le savez, le deep learning est principalement un processus d'essai et d'erreur, impliquant beaucoup d'expérimentation. Lorsque vous démarrez un projet, il est quasi impossible d'éviter cette étape, MAIS une fois que votre équipe a effectué les premiers essais, vous DEVEZ pouvoir y accéder afin que vos nouveaux employés sachent ce qu'il ne faut PAS essayer ! Cela fera gagner beaucoup de temps à votre équipe et beaucoup d'argent à votre entreprise en coûts de GPU cloud.

‍

Toujours lier vos datasets à votre entraînement

Onboarding new collaborators easily

Assurer la traçabilité est également une chose extrêmement importante à faire. Vous voulez que vos ingénieurs nouvellement embauchés puissent accéder à n'importe quel dataset, modèle et expérience en moins de 3 clics :)

‍

La question : "où sont les datasets ?" est l'une des questions les plus fréquemment posées au sein des organisations.

Le moyen le plus efficace de s'assurer qu'aucune information ne soit jamais perdue est de toujours lier chaque entraînement à son dataset et à son architecture de base correspondants.

‍

Construire votre base de connaissances

‍

Onboarding new collaborators easily

‍

L'objectif d'une base de connaissances est de fournir un portail numérique organisé et en libre-service pour localiser et accéder rapidement aux informations pertinentes sur un sujet ou un domaine spécifique. Elle est également utile pour partager et transférer des connaissances car elle peut compiler, organiser et communiquer les données nécessaires au public visé.

‍

Une base de connaissances peut être structurée de différentes manières, comme une base de données, une bibliothèque numérique ou une collection de documents, avec l'objectif final de créer une source unique de données disponible pour tous les utilisateurs.

‍

En ce qui concerne le machine learning, les bases de connaissances prennent souvent la forme de registres, où vous trouverez tous les modèles qui ont été entraînés et les datasets que votre entreprise possède.

‍

‍

‍

‍

Pour résumer, l'intégration des data scientists et des collaborateurs ML aboutit souvent à un processus stressant et chronophage. Ce type de professionnels nécessite un processus d'intégration sur mesure en raison de la complexité des équipes ML, de l'évolution rapide des technologies et des opportunités dynamiques que le marché ne cesse de créer. C'est pourquoi une intégration efficace doit donner la priorité à la traçabilité, la reproductibilité et l'observabilité des outils et des processus. Dans un scénario aussi complexe, il est crucial que les organisations soient capables de suivre leurs expériences, de lier leurs datasets à leur entraînement pour la traçabilité, et de construire une base de connaissances dans laquelle les employés, nouveaux comme anciens, peuvent localiser et accéder aux informations pertinentes dont ils ont besoin.

‍

Une stratégie d'intégration bien planifiée vous fera gagner, à vous et à vos équipes, beaucoup de temps et d'argent !

‍