Direct naar hoofdinhoud pagina

Stedin

Data Scientist

Bron onbekend Reageren voor 13 oktober 2026

Senior Data Scientist voor OpenSTEF-forecasting, modelverbetering en productiegerichte ML-oplossingen bij Stedin in Rotterdam.

Nog niet beschikbaar

Match

op je zoekprofiel

De gap-analyse wordt uitgevoerd, dit kan even duren...

Beschrijving
Rotterdam 36 - 40 uur 6 maanden FREELANCE WO SENIOR €110 /u

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
  • Nederlandse taal machtig op minimaal C1-niveau in woord en geschrift

Wensen

  • 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

Beschrijving

Stedin zoekt een Data Scientist voor het Data Science Forecasting team.

Je implementeert het open source forecastingmodel OpenSTEF.

De focus ligt op korte-termijnvoorspellingen van de netbelasting.

Je werkt aan de implementatie voor circa 23.000 transformatorpunten.

Je analyseert de huidige forecastkwaliteit.

Je selecteert locaties, horizons en situaties met verbeterpotentieel.

Je voert backtests en benchmarks uit.

Je werkt met forecastmetrics en segmentatie.

Je verbetert voorspellingen voor onder andere pieken en flatlines.

Ook ontbrekende waarden en beperkte historische data krijgen aandacht.

Je experimenteert met modelselectie, ensembles en kalibratie.

Je onderzoekt betrouwbaarheidsintervallen en foundation-modelmogelijkheden.

Succesvolle experimenten vertaal je naar onderhoudbare Python-code.

Je zorgt voor tests, configuratie en reproduceerbare pipelines.

Daarnaast verbeter je monitoring van forecast- en datakwaliteit.

Je draagt waar mogelijk bij aan het OpenSTEF-communityproject.

Je documenteert keuzes, resultaten en vervolgstappen.

Je werkt samen met data scientists, machine-learning engineers en stakeholders.

De opdracht vindt hybride plaats in Rotterdam.

De start is 1 december 2026 voor een periode van zes maanden.

Domeinen

Data Science Machine Learning Forecasting Energie Netbeheer