Eisen:

• Minimaal een aantoonbare afgeronde HBO- of WO-opleiding
• Minimaal 5 jaar aantoonbare werkervaring met machine learning productontwikkeling in de context van MLOps – van data prep en modeltraining tot deployment en monitoring
• Aantoonbare ervaring met het opzetten en onderhouden van een MLOps- of dataplatform, bij voorkeur in een cloudomgeving (Azure) met tools als Databricks

Wensen:

• Uitstekende Python skills en hanteert solide software design principes (zoals OOP en design patterns) bij het ontwikkelen van code
• Kennis van Terraform of Infrastructure-as-Code is een pre
• Ervaring met de huidige tech stack zoals Apache Spark, Azure Databricks, MLflow, Apache Airflow, Azure DevOps, en inzicht in data lineage

Omschrijving:

Voor Stedin zoeken wij een Senior ML (ops) Engineer. De energietransitie is in volle gang, en data speelt daarin een onmisbare rol. Stedin beschikt over enorme hoeveelheden data en steeds meer data science use-cases. Om de data scientists optimaal te ondersteunen, bouw je mee aan een modern MLOps platform binnen Azure. Recent is een nieuwe MLOps omgeving ingericht (op Azure Databricks) en zij staan aan de vooravond van verdere uitbreiding. Jouw inzet is nodig om de MLOps-processen naar een hoger niveau te tillen én tegelijkertijd lopende use-cases te blijven ondersteunen. Daarom zoeken zij tijdelijk extra versterking van een ervaren Senior MLOps Engineer. In deze rol zet je jouw expertise in om de MLOps-infrastructuur op te zetten en te verbeteren. Je ontwikkelt en rolt het interne MLOps platform verder uit: je helpt bij het opzetten van geautomatiseerde pipelines, modelregistratie en deployment workflows in Azure Databricks, inclusief MLflow voor model management. Je zorgt dat data science-modellen efficiënt en betrouwbaar in productie komen. Zo werk je aan use-cases zoals grootschalige tijdreeks-forecasting pipelines via Databricks Jobs met MLflow, gescheduled door Apache Airflow – jij zorgt dat dit soort workflows soepel draaien. Daarnaast breng je structuur aan in CI/CD voor machine learning (in Azure DevOps) zodat versies van code, modellen en data goed beheerd zijn. Naarmate je verder gaat in deze opdracht, verschuift jouw focus naar het overdragen van kennis en het coachen van de bestaande engineers. Zo zorg je ervoor dat het team zelfstandig verder kan groeien en dat de verbeteringen die je doorvoert geborgd blijven. Jij laat het team sterker achter dan je het aantrof.