Data Scientist

Functietitel

Projectcoördinator (Gas Netgedreven)

Algemeen

Je werkt aan betrouwbare korte-termijnvoorspellingen van de netbelasting met als focus de implementatie van het OpenSTEF-model voor alle LS-transformatorpunten. OpenSTEF is een open source forecastingpakket voor korte termijn (<7 dagen) voorspellingen van de netbelasting. Deze voorspellingen worden gebruikt voor de dagelijkse operatie, met name voor capaciteitsmanagement en netveiligheidsanalyses.

Doel en inhoud van de opdracht

• Zorgdragen voor een volledig draaiende OpenSTEF-implementatie voor de 23.000 LS-transformatorpunten met features voor kwaliteitsverbetering.

• Samen met data scientists, machine-learning engineers, de Product Owner en stakeholders bepalen welke verbeteringen de meeste forecastwinst opleveren.

• Onderzoeken, implementeren en valideren van verbeteringen, met expliciete aandacht voor productiegeschiktheid, uitlegbaarheid en herbruikbaarheid.

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

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

• Ontwikkelen van verbeteringen voor lastige patronen (flatlines, pieken, ontbrekende waarden, onvoorspelbare assets, 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 relevant voor de community.

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

Profiel / Skillset

• Je kunt hypotheses snel toetsen en weet wat nodig is om een model betrouwbaar in een kritische productieketen te laten landen.

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

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

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

• Ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics.

• Ervaring met productieomgevingen, MLflow/MLOps en bij voorkeur Databricks en Azure.

• Bekendheid met probabilistische forecasting, kalibratie, ensembles of foundation models is een sterke pré.

• Ervaring met open-sourceontwikkeling of bijdragen aan een technische community is een pré.

• Je communiceert helder met zowel technische collega’s als businessstakeholders en legt keuzes transparant vast.

• Je werkt zelfstandig, zoekt actief samenwerking en draagt aantoonbaar kennis over.