AI and machine learning services
Senior Machine Learning Engineer & AI Lead (Predictive Modeling, ML Pipelines, Production)
Vandaag toegevoegd
Sommige details van deze opdracht zijn niet publiek beschikbaar.
Word gratis lidOver de opdracht
In een data- en AI-gedreven organisatie binnen gereguleerde sectoren is een rol beschikbaar voor een Senior Machine Learning Engineer / AI Lead. De opdracht bestaat uit het ontwikkelen en in productie brengen van predictive AI-oplossingen. Je richt je op toepassingen zoals churn prediction, forecasting en next-best-action en zet hiervoor zelfstandig de benodigde data- en ML-omgeving op. Daarnaast treed je op als inhoudelijk kartrekker en hands-on specialist, waarbij je de technische aanpak bepaalt en kennis overdraagt.
Je werkt aan predictive ML-modellen, inclusief training, verbetering, operationalisatie, monitoring en periodieke verrijking. Ook worden schaalbare data- en ETL/ELT-/ML-pipelines opgezet en zeer grote datasets verwerkt en geanalyseerd. Daarnaast onderzoek en implementeer je AI-agents voor dataverrijking.
De inzet start op 1 september 2026, betreft 32–40 uur per week en heeft een looptijd van 6 maanden, met optie tot verlenging. De standplaats ligt in de regio Veenendaal. De samenwerking is hybride: circa 50% op locatie en 50% op afstand.
Eisen
- Minimaal vijf jaar relevante ervaring binnen machine learning en data engineering
- Aantoonbare ervaring met het end-to-end bouwen en operationaliseren van ML-modellen
- Ervaring met churn prediction, forecasting, propensity modelling, next-best-action of vergelijkbare use-cases
- Hands-on ervaring met Python, SQL, ETL/ELT en ML-pipelines
- Ervaring met een cloudplatform
- Zelfstandig, T-shaped profiel met voldoende senioriteit om als technisch kartrekker op te treden
Wensen
- Ervaring met Databricks, Spark, Airflow en MLflow
- Ervaring met TensorFlow of vergelijkbare ML-frameworks
- Ervaring met AI-agents en geautomatiseerde dataverrijking
- Ervaring binnen financiële dienstverlening, verzekeringen of een andere gereguleerde omgeving
- Ervaring met modellen en pipelines op zeer grote datasets