Apprendre la data science par la pratique
L'objectif de DataCamp est de construire la meilleure plateforme d'apprentissage pour la data science. Notre conviction : on apprend la data science en faisant. Nos vidéos de haute qualité, l'encodage directement dans le navigateur et la gamification offrent aux apprenants une expérience immersive, sans friction. Parallèlement, nous voulons adopter une approche basée sur les données pour faire évoluer notre produit et partager nos enseignements sur l'apprentissage de la data science. Cet article vous emmène dans les coulisses de DataCamp et livre des éclairages sur le processus d'apprentissage en data science.
Création et maintenance qualitative des cours
Thématiques de cours
L'équipe DataCamp est en veille permanente des sujets les plus prometteurs pour concevoir de nouveaux cours, ce qui n'est pas simple tant les avancées et thématiques sont nombreuses ! C'est pourquoi nous rendons ce processus aussi data-driven que possible : au-delà du suivi des dernières tendances en data science et des langages les plus recherchés par l'industrie, DataCamp sollicite également son réseau d'instructeurs, experts du secteur et universitaires, pour recueillir leur avis sur les prochaines priorités du programme de formation et le format idéal de ces cours.
Mais, au final, l'apprenant est au centre de DataCamp. Nous impliquons donc activement nos utilisateurs dans la sélection des sujets : nous menons des entretiens et des enquêtes pour cerner précisément leurs besoins. Ces données, croisées avec l'expertise des instructeurs, nous aident à définir non seulement le thème du cours, mais aussi son périmètre : ainsi, tout ce qui est pertinent pour l'apprenant est inclus.
Nous collectons en complément les termes saisis dans les barres de recherche du site. À l'aide de R, ces requêtes sont analysées, classées et visualisées en interne afin que l'équipe en charge du développement des cours puisse les utiliser comme point de départ pour cartographier la feuille de route des prochains mois.
Parcourez l'intégralité de la bibliothèque de cours de DataCamp ici.
Difficultés des apprenants et amélioration continue des cours
Bêta-test
Avant toute mise en ligne, DataCamp propose ses cours à un groupe restreint d'utilisateurs, en leur demandant de prendre des notes et de partager leur retour via un questionnaire ouvert. Cela nous permet d'effectuer les derniers ajustements avant d'annoncer le lancement à l'ensemble de notre base d'utilisateurs.
Indices et solutions
Définir les sujets et faire bêta-tester les cours n'est qu'une étape ; une fois le cours en ligne, DataCamp s'intéresse aussi aux points où les apprenants rencontrent des difficultés.
Saviez-vous, par exemple, que chaque demande d'indice ou de solution est enregistrée pour mesurer à quelle fréquence les utilisateurs ont eu besoin d'aide sur un exercice ? Ces données et les enseignements qui en découlent nous servent à améliorer nos cours.
Nous examinons les chiffres pour repérer les axes d'amélioration : si le volume d'indices ou de solutions demandés est trop élevé, nous localisons rapidement le problème et retravaillons l'exercice. La manière de l'améliorer s'appuie sur les retours des utilisateurs. Ainsi, dans un cours Kaggle, un exercice demandait de construire un arbre de décision en R. Les consignes initiales n'offraient qu'un exemple très générique, d'où un taux élevé de demandes d'aide. En nous appuyant sur les commentaires des apprenants, nous avons étoffé les instructions avec trois sous-points précisant chaque paramètre. Résultat : la tâche attendue était plus claire et plus concrète, et le taux de demandes d'indice est tombé à 15 %, un niveau bien plus cohérent avec la difficulté. Des expériences et améliorations comme celle-ci nourrissent la conception de nos futurs cours au sein du programme de data science de DataCamp.
Par ailleurs, nous constatons que certains cours, comme « Introduction to R », posent nettement moins de problèmes que des cours de statistiques tels que « Intro to Statistics with R: Multiple Regression », car les utilisateurs y demandent moins d'indices et de solutions. Cela tient en partie au fait que les cours d'introduction sont très guidés, tandis que les cours plus avancés laissent davantage de marge pour explorer par soi-même : l'apprentissage par la pratique devient encore plus central au fil des parcours DataCamp. Notre processus d'amélioration doit trouver le bon équilibre entre le learning by doing et l'accompagnement nécessaire à la progression.
Retour personnalisé
Au-delà des indices et solutions, vous avez entrevu la fonctionnalité de retour personnalisé que DataCamp propose avec chaque défi de code. Le feedback est structuré de façon à vous laisser d'abord solliciter des indices et, en dernier recours, la solution. Cette option est découragée, car elle impacte l'XP obtenue. Cela incite les apprenants à se lancer, à développer une intuition de ce qu'il faut coder pour réussir la tâche. Autre bénéfice : les messages de feedback sont conçus pour vous indiquer immédiatement ce qui cloche dans votre code, plutôt que de vous laisser face à des messages d'erreur parfois obscurs. C'est un moyen d'encourager la compréhension du code, et surtout des erreurs commises, ce qui renforce l'apprentissage en data science.
Mettre en place ce feedback personnalisé n'a pas été simple : aux débuts de DataCamp, le système était encore embryonnaire, avec des retours trop génériques. Nous avons compris au fil du temps que nos utilisateurs arrivent avec des parcours et des objectifs variés, ce qui exige une approche personnalisée. Le système de feedback s'est énormément amélioré et continue de progresser grâce aux contributions de nos utilisateurs : tous les problèmes rencontrés au fil des cours sont consignés et alimentent l'amélioration continue des contenus et du feedback.
Temps passé par exercice
En plus du suivi des demandes d'indices et de solutions, DataCamp observe la progression dans les exercices à un niveau plus fin : le temps passé par les apprenants sur chaque exercice est mesuré et analysé afin d'identifier d'éventuels points de friction dans l'expérience d'apprentissage. Comme DataCamp souhaite que chacun avance à un rythme sain, ces informations sont intégrées à notre démarche d'amélioration continue de la qualité des cours.
Évaluations des cours
Au-delà de la difficulté perçue et du temps passé, nous suivons aussi ce que nos utilisateurs apprécient, pour concevoir de nouveaux cours qui suscitent leur intérêt. Les thématiques généralement moins plébiscitées sont les statistiques, la manipulation et la visualisation des données, tandis que les cours d'introduction à la programmation, le machine learning et les projets/études de cas rencontrent un fort engouement.
Ces évaluations, croisées avec les données sur les indices et solutions, nous donnent une vision claire des cours qui nécessitent une attention particulière.
Structure
Que vous soyez en poste ou au début de votre carrière, votre temps est précieux. C'est pourquoi nos cours affichent clairement les prérequis à idéalement maîtriser avant de vous lancer. Prenons l'exemple du cours Python Data Science Toolbox de DataCamp :
Les prérequis sont explicitement listés pour que chacun sache quelles connaissances et compétences sont attendues avant de démarrer.
Par ailleurs, DataCamp segmente ses cours en chapitres, eux-mêmes découpés en unités plus courtes où alternent vidéos et défis de code interactifs avec feedback. Cette structure fait ses preuves en data science : elle apporte de la variété au programme et, surtout, elle favorise une progression rapide et régulière, l'un des meilleurs leviers pour maintenir la motivation et l'engagement. Les apprenants décrochent moins et poursuivent plus volontiers leur parcours.
Interface
L'interface est l'un des éléments clés de l'enseignement de la data science : dès le départ, DataCamp a conçu un environnement permettant de coder directement dans le navigateur, sans installation préalable de RStudio ou Python en local. Associées aux vidéos et au feedback personnalisé, ces fonctionnalités abaissent fortement la barrière à l'entrée et rendent l'expérience d'apprentissage bien plus fluide.
Cela dit, l'interface a beaucoup évolué pour devenir plus interactive : aujourd'hui, les apprenants naviguent plus facilement dans un cours, contactent le support en cas de problème technique et visualisent clairement le nombre d'XP gagnés à chaque exercice.
Parcours
Tous les apprenants et formateurs en data science le savent : il est difficile de trouver une (série de) formation(s) parfaitement adaptée(s) en termes de qualité, d'engagement et de style pédagogique. On perd vite de vue son objectif initial. La plupart de nos apprenants sont des professionnels qui souhaitent évoluer vers des métiers de la data science et ont donc des ambitions de carrière précises. D'autres sont déjà en poste et cherchent à se perfectionner sur un sujet ou une compétence spécifique.
C'est pour cela que DataCamp a lancé les parcours, une structuration de nos cours que vous connaissez peut-être déjà : vous vous concentrez ainsi, de manière guidée, soit sur le renforcement de vos compétences en data science, soit sur l'objectif de carrière que vous visez.
En cohérence avec notre démarche de conception et les attentes de nos utilisateurs, ces parcours aident aussi à cibler plus finement les sujets jugés difficiles, pour progresser vite et lisser la courbe d'apprentissage.
Découvrez tous les parcours DataCamp ici.
Entraînement quotidien
Concevoir des cours exigeants et des parcours qui gardent le cap, c'est une chose ; mais apprendre la data science demeure un vrai défi. Chez DataCamp, nous voulons que nos utilisateurs puissent apprendre chaque jour. Et soyons honnêtes : pour progresser, il faut s'y frotter quotidiennement, ne serait-ce qu'un peu. La difficulté, c'est souvent de consolider toutes les connaissances acquises. C'est pourquoi DataCamp propose une fonctionnalité d'entraînement quotidien pour suivre ce que vous maîtrisez déjà et identifier les compétences à rafraîchir.
Le principe est simple : en mode entraînement, vous recevez des défis pour pratiquer les notions vues dans les cours que vous avez terminés. Ces défis regroupent cinq exercices de formats variés (QCM, saisie libre, …) qui facilitent la mémorisation afin de mieux ancrer vos acquis. Si vous répondez correctement aux cinq défis, vous gagnez 250 XP. Évidemment, une nouvelle série vous attend chaque jour. Retrouvez le mode entraînement quotidien directement depuis votre tableau de bord !
Conclusion
DataCamp réinvente l'apprentissage et l'évaluation en data science. Ce n'est qu'un exemple parmi d'autres de la façon dont nous conjugons la recherche en pédagogie de la data science, les technologies les plus récentes et la data science elle-même pour faire avancer l'état de l'art.
Si l'éducation en data science vous intéresse, rejoignez-nous pour bâtir le meilleur endroit pour apprendre la data science ! Consultez nos offres d'emploi.