Stedin
Data Scientist
Data Scientist gezocht voor OpenSTEF-forecasting, modelverbetering en productieklare Python-pipelines voor Stedin Groep.
Match
op je zoekprofiel
De gap-analyse wordt uitgevoerd, dit kan even duren...
Beschrijving
Eisen
- Afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechniek, computer science of een vergelijkbare richting
- Aantoonbare ervaring met time-series forecasting en machine learning in een professionele omgeving
- Zeer goede beheersing van Python, inclusief testing, code reviews en versiebeheer
- Ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics
- Aantoonbare ervaring met productieomgevingen, MLflow/MLOps en bij voorkeur Databricks en Azure
- Heldere communicatie met technische collega's en businessstakeholders
- Keuzes transparant kunnen vastleggen
- Zelfstandig kunnen werken, actief samenwerking zoeken en kennis kunnen overdragen
Wensen
- Ervaring met 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
Beschrijving
Binnen het Data Science Forecasting-team werk je aan korte-termijnvoorspellingen van de netbelasting.
De opdracht richt zich op de implementatie van het OpenSTEF-model voor 23.000 LS-transformatorpunten.
Je analyseert de huidige forecastkwaliteit en selecteert locaties, horizons en situaties met verbeterpotentieel.
Je voert backtesting en benchmarking uit ten opzichte van bestaande referentiemodellen.
Daarbij gebruik je passende kwaliteitsmetrics en segmentatie.
Je verbetert forecasts voor onder meer flatlines, pieken, ontbrekende waarden en onvoorspelbare assets.
Je experimenteert met modelselectie, ensembles, kalibratie en betrouwbaarheidsintervallen.
Ook verken en valideer je foundation-model-capabilities wanneer die verantwoord toepasbaar zijn.
Succesvolle experimenten vertaal je naar onderhoudbare Python-code.
Je ontwikkelt tests, configuratie en reproduceerbare pipelines.
Daarnaast verbeter je monitoring op forecastkwaliteit, datakwaliteit en modelgedrag.
Je draagt waar relevant bij aan het OpenSTEF-open-sourceproject.
Je documenteert keuzes, resultaten en vervolgstappen helder.
Ook draag je kennis over aan data scientists, machine-learning engineers en stakeholders.
De voorspellingen ondersteunen capaciteitsmanagement en netveiligheidsanalyses.
Voor eind Q2 2027 moet de inhoudelijke kwaliteit van de voorspellingen verbeterd zijn.
De opdracht duurt zes maanden en is voor 40 uur per week.
Een afgeronde WO-opleiding en professionele ervaring met forecasting en machine learning zijn vereist.
Marktconforme tarieven dienen all-in te worden aangeboden.
Domeinen