Apprendre le machine learning seul, c'est possible. Mais la plupart des gens abandonnent en cours de route — non pas par manque de capacité, mais par manque de structure et de régularité.
C'est exactement le problème que le challenge #100JoursDeML cherche à résoudre.
Pourquoi 100 jours ?
Cent jours, c'est assez long pour transformer une curiosité en compétence, et assez court pour rester motivé du début à la fin.
Le principe est simple :
- 1 heure par jour minimum, tous les jours ;
- un plan structuré qui progresse du fondamental vers l'avancé ;
- un partage public de sa progression pour créer de l'engagement.
💡 À retenir : la régularité bat l'intensité. Une heure par jour pendant 100 jours vaut mieux que des week-ends entiers de travail espacés de trois semaines.
Le plan en quatre phases
Jours 1 à 25 : les fondations
Python, manipulation de données avec pandas, visualisation, statistiques descriptives. Rien de spectaculaire, mais tout repose là-dessus.
⚠️ Point important : ne sautez pas les statistiques. C'est la différence entre utiliser un modèle et le comprendre.
Jours 26 à 50 : le machine learning classique
Régression linéaire et logistique, arbres de décision, forêts aléatoires, validation croisée, métriques d'évaluation. C'est le cœur du métier — et ce qu'on vous demandera en entretien.
Jours 51 à 75 : les projets
On arrête les tutoriels, on construit. Trois projets complets, de la donnée brute au modèle déployé :
- un projet de classification sur des données réelles ;
- un projet de régression avec du feature engineering sérieux ;
- un projet libre, idéalement lié à votre secteur.
🚀 Conseil : choisissez des projets liés à un domaine qui vous passionne. Un recruteur retiendra toujours mieux « j'ai prédit la demande de vélos en libre-service à Paris » qu'un énième modèle sur le Titanic.
Jours 76 à 100 : la spécialisation
Deep learning, NLP, ou MLOps selon votre objectif. Et surtout : la préparation du portfolio et du discours qui va avec.
La communauté fait la différence
Le secret des personnes qui terminent le challenge n'est pas la discipline. C'est l'engagement public.
Publier sa progression — même modeste — crée trois effets puissants :
- une responsabilité vis-à-vis de sa communauté ;
- des retours de personnes plus expérimentées ;
- une visibilité qui attire les opportunités bien avant la fin du challenge.
📌 Exemple : plusieurs participants des précédentes éditions ont reçu des propositions d'entretien avant le jour 100, simplement parce qu'un recruteur suivait leur progression sur LinkedIn.
Par où commencer ?
Tout est disponible gratuitement : le plan jour par jour, les ressources et la communauté. Rejoignez la chaîne LeCoinStat sur YouTube où le challenge est documenté en vidéo, et lancez-vous.
Le meilleur moment pour commencer était hier. Le deuxième meilleur moment, c'est aujourd'hui.
