Les taux de rotation élevés sont réels. La tendance croissante des gens à changer d'équipe s'explique par de nombreuses raisons : changements de carrière, migrations internes, années de césure, etc. L'époque où les gens restaient pour toujours dans la même entreprise est révolue...
Aujourd'hui, les entreprises qui veulent rester en tête de la concurrence doivent être capables d'accepter ce phénomène et s'y préparer. Une grande partie de cette préparation consiste à disposer d'un plan d'onboarding fiable.
Aujourd'hui, nous allons nous concentrer sur le processus d'onboarding des équipes d'apprentissage automatique et de science des données. Nous pensons qu'il est encore plus difficile d'assurer un flux de travail cohérent pour ce type d'emplois. Eh bien, c'est aussi le domaine que nous connaissons le mieux !
Pourquoi l'intégration des collaborateurs de ML est-elle plus difficile que celle des autres ?
La particularité de l'équipe ML est qu'elle traite généralement de plusieurs dimensions :
- Processus d'entreprise fondés sur les données
- Explorations et expériences
- Données et plateformes de données
- Nuages publics/privés
- Technologie et modèles ML
La prise en charge de ces dimensions nécessite diverses équipes dédiées, telles que des propriétaires de produits, des analystes commerciaux, des analystes de données, des scientifiques des données, des ingénieurs ML, des ingénieurs de données, des ingénieurs logiciels et des ingénieurs DevOps.
Il peut être très difficile de guider un nouvel employé dans tous ces domaines, en lui donnant accès à tous les outils, stockages de données et modèles ML.
Le pire dans tout ça, c'est que vous devrez le faire assez souvent...
En raison de l'évolution rapide du paysage technologique, des graves pénuries du marché, des possibilités de combiner plusieurs rôles en un seul, etc., les équipes choisissent les transitions rôle/équipe à un rythme plus rapide que les autres rôles dans d'autres types de produits logiciels pour équipes.
D'après nos observations personnelles, nous constatons que cela se produit au moins une fois tous les trois à six mois. Anticipant des ratios similaires, nous avons constaté que la meilleure stratégie consiste à se concentrer sur le partage des connaissances et de la propriété, combiné à un solide processus d'embarquement et de départ.
"Dans notre organisation, il y a beaucoup de changements dans nos équipes de recherche en science des données, En tant que chef d'équipe, je dois généralement consacrer au moins un jour par semaine à l'accueil et à la formation des nouveaux collaborateurs, c'est une énorme partie de mon travail" Sophie, chef d'équipe AI.
Comment 🥑 Picsellia 🥑 peut-elle faciliter vos embarquements ?
L'hétérogénéité des outils et des processus est l'un des plus grands obstacles à l'intégration des talents dans votre équipe ML. Chez Picsellia, nous pensons qu'il ne faut pas construire une chaîne d'outils composée 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
- Analysez
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 périmées ?
- Comment donner accès aux travaux antérieurs de l'entreprise à mon nouveau salarié ?
Le suivi de vos expériences est essentiel pour les nouveaux employés
Comme vous le savez, l'apprentissage profond est principalement un processus d'essais et d'erreurs, impliquant beaucoup d'expérimentations. Lorsque vous démarrez un projet, il est tout à fait 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 permettra à votre équipe de gagner beaucoup de temps et à votre entreprise d'économiser beaucoup d'argent sur les coûts des GPU en nuage.
Reliez toujours vos ensembles de données à votre formation
Garantir la traçabilité est également une chose extrêmement importante à faire. Vous voulez que vos ingénieurs nouvellement embauchés puissent accéder à n'importe quel ensemble de données, modèles et expériences en moins de 3 clics :)
La question : où sont les ensembles de données ? 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 se perd est de toujours relier chaque formation à l'ensemble de données et à l'architecture de base correspondants.
Créez votre base de connaissances
L'objectif d'une base de connaissances est de fournir un portail numérique organisé et libre-service permettant de localiser et d'accéder rapidement à des informations pertinentes sur un sujet ou un domaine spécifique. Elle est également utile pour le partage et le transfert 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, l'objectif final étant de créer une source unique de données accessible à tous les utilisateurs.
En matière d'apprentissage automatique, les bases de connaissances prennent souvent la forme de registres, où vous trouverez tous les modèles qui ont été formés, ainsi que les ensembles de données que vos entreprises possèdent.
En résumé, l'intégration des scientifiques des données et des collaborateurs ML se termine souvent par un processus stressant et chronophage. Ces professionnels ont besoin d'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, à la reproductibilité et à l'observabilité des outils et des processus. Dans un scénario aussi complexe, il est crucial que les organisations soient en mesure de suivre leurs expériences, de relier leurs ensembles de données à leur formation pour assurer la traçabilité, et de construire une base de connaissances dans laquelle les nouveaux et anciens employés sont en mesure de localiser et d'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 !
