Engineer -Machine Learning Operations (MLops Engineer)

Introductie

Als Machine Learning Operations Engineer speel je een cruciale rol in het operationaliseren van machine learning- en data-oplossingen binnen een bedrijfskritische 24/7-omgeving. Je levert een directe bijdrage aan innovatieve oplossingen die bijdragen aan een veilig, betrouwbaar en efficiënt hoogspanningsnet. De functie bevindt zich op het snijvlak van Artificial Intelligence, machine learning, software engineering en operationele netvoering.

De functie / Werkzaamheden

• Samenwerken met data scientists, software engineers, architecten, operators en IT-specialisten om ML- en data-innovaties te implementeren binnen de dagelijkse bedrijfsvoering

• Ontwikkelen en implementeren van MLOps-principes voor deployment, monitoring, lifecycle management en beheer van machine learning-modellen

• Ontwikkelen van processen voor modelbeheer, versiebeheer, validatie, monitoring en incidentmanagement

• Opzetten en verbeteren van beheerstandaarden voor machine learning-modellen en data-producten

• Ondersteunen bij het opbouwen van kennis en expertise op het gebied van AI, machine learning en operationeel modelbeheer

• Ontwikkelen, beheren en verbeteren van applicaties binnen het Grid Security domein

• Vertalen van operationele behoeften naar concrete use-cases en technische oplossingen

• Bijdragen aan governance, eigenaarschap en lifecycle management van data- en machine learning-producten

• Fungeren als verbindende schakel tussen operatie, IT, data science en management

Doel van de functie

Realiseer een duurzaam fundament voor Machine Learning Operations, zodat machine learning-modellen en data-oplossingen betrouwbaar, beheersbaar en schaalbaar ingezet kunnen worden binnen de operationele bedrijfsvoering. Draag bij aan de verdere professionalisering op het gebied van AI, machine learning en datagedreven besluitvorming.

Wat breng jij mee?

• Afgeronde HBO- of WO-opleiding in Data Science, Computer Science, Artificial Intelligence, Software Engineering of vergelijkbaar

• Minimaal 3 jaar relevante werkervaring in MLOps, Machine Learning Operations, Data Engineering of vergelijkbare disciplines

• Ervaring met CI/CD-processen en software lifecycle management

• Ervaring met automatisering, monitoring en beheer van bedrijfskritische applicaties

• Kennis van deploymentprocessen, versiebeheer en operationele beheerprocessen

• Ervaring met multidisciplinaire samenwerking tussen business, IT en data science

• Goede beheersing van Nederlands en Engels

• Ervaring met cloudplatformen (Azure, AWS of GCP)

• Ervaring met containertechnologieën zoals Docker en Kubernetes

• Ervaring met machine learning-platformen en modelmanagement tooling

• Kennis van monitoring- en observability-oplossingen

• Affiniteit met complexe technische systemen en bedrijfskritische processen

• Ervaring binnen de energie-, infrastructure- of utilitysector

• Ervaring binnen een 24/7 operationele omgeving

• Kennis van AI-governance en model lifecycle management

Competenties

• Analytisch sterk

• Resultaatgericht

• Proactief

• Zelfstandig

• Communicatief vaardig

• Verbindend

• Organisatiesensitief

• Innovatief

• Pioniersmentaliteit

Resultaatgebieden

• Beheersbare en schaalbare inrichting van MLOps-processen

• Verhoogde betrouwbaarheid en beschikbaarheid van machine learning-oplossingen

• Implementatie van monitoring- en beheerstandaarden voor modellen en data-producten

• Verbeterde samenwerking tussen operatie, IT en data science

• Groei van interne kennis en volwassenheid rondom AI en machine learning

• Succesvolle integratie van data-innovaties binnen de operationele bedrijfsvoering

Belangrijk

• Sterk pionierend karakter; niet alle verantwoordelijkheden en processen liggen vooraf volledig vast

• Kandidaten dienen affiniteit te hebben met operationele omgevingen en bedrijfskritische processen

• Voorkeur voor kandidaten die zich voor langere tijd willen verbinden

Arbeidsvorm en standplaats

• Arbeidsvorm: Deta-vast constructie (ambitie tot langere termijn bij goed functioneren)

• Standplaats: Arnhem, hybride werken mogelijk (circa 2–3 dagen per week op locatie)