Data Scientist

Over de opdracht

Je implementeert het OpenSTEF-forecastingframework voor alle LS transformatorpunten (23.000) en draagt bij aan het verbeteren van korte-termijnvoorspellingen van netbelasting (korte horizon <7 dagen). De focus ligt op productiegeschiktheid, uitlegbaarheid en herbruikbaarheid van verbeteringen en modellen.

Wat ga je doen

• Analyse van huidige forecastkwaliteit en selectie van locaties, horizons en situaties met het grootste verbeterpotentieel.

• Backtesting en benchmarken van OpenSTEF-methoden tegen de bestaande referentie, met passende kwaliteitsmetrics en segmentatie.

• Ontwikkelen van oplossingen voor lastige patronen: flatlines, pieken, ontbrekende waarden, onvoorspelbare assets en beperkte historische data.

• Experimenten met modelselectie, ensembles, kalibratie en betrouwbaarheidsintervallen.

• Verkenning en validatie van foundation-model-capabilities zodra deze toepasbaar en verantwoord inzetbaar zijn.

• Vertaling van succesvolle experimenten naar onderhoudbare Python-code, tests, configuratie en reproduceerbare pipelines.

• Verbetering van monitoring op forecastkwaliteit, datakwaliteit en modelgedrag.

• Bijdragen aan OpenSTEF (issues, documentatie, reviews, pull requests) wanneer verbeteringen ook voor de community waardevol zijn.

• Kennisoverdracht aan het team en heldere documentatie van keuzes, resultaten en vervolgstappen.

Gewenst profiel

• Opleiding: Afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechniek, computer science of vergelijkbaar.

• Ervaring: Aantoonbare ervaring met time-series forecasting en machine learning in een professionele omgeving.

• Programmeervaardigheden: Zeer goede beheersing van Python, inclusief testing, code reviews en versiebeheer.

• Methoden en tooling: Ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics.

• Productieomgeving: Ervaring met productieomgevingen en MLOps (MLflow) en bij voorkeur kennis van Databricks en Azure.

• Specialisaties (pré): Bekendheid met probabilistische forecasting, kalibratie, ensembles of foundation models; ervaring met open-sourceontwikkeling of bijdragen aan technische community.

• Soft skills: Helder communiceren met technische en niet-technische stakeholders, zelfstandig werken, actief samenwerken en aantoonbare kennisoverdracht.