Machine Learning-ingenieurs bij deze organisatie in de financiële dienstverlening bouwen productieklare ML-pijplijnen en integreren modellen in bestaande IT-omgevingen om geautomatiseerde AI-diensten te leveren. De rol richt zich op implementatie in productie, CI/CD met GitLab, containerisatie (Docker/VM) en gevorderde Python-ontwikkeling om te verzekeren dat modellen betrouwbaar draaien en in productie gemonitord worden.
De missie
Het data engineering- en AI-team onderhoudt meerdere ML-diensten die scoring, fraudedetectie en klantinzichten ondersteunen over workflows met hoge volumes in batch en bijna-real-time. Het technische landschap omvat Python-gebaseerde modelcode, PostgreSQL voor opslag van features en metadata, container images voor deployment en GitLab CI-pijplijnen voor geautomatiseerde testing en release. Robuust versiebeheer van modellen en data heeft prioriteit zodat modellen gecontroleerd kunnen worden en voorspelbaar opnieuw getraind kunnen worden.
Op dagelijkse basis werk je samen met data scientists, analytics engineers en IT-productie om de juiste serving-aanpak te kiezen, data-ingestion en feature-pijplijnen te implementeren en modellen te packagen voor deployment. Je automatiseert tests en CI/CD, helpt de productieomgeving te configureren en zet monitoring en retraining-triggers op zodat modellen accuraat en operationeel blijven. Typische samenwerking gebeurt in een cross-functioneel team van data scientists en platform engineers met regelmatige overdrachten naar production support.
Uw verantwoordelijkheden
- Implement production-grade ML pipelines that enable reproducible training, testing and deployment, focusing on reliability and traceability
- Integrate model serving with production infrastructure using containerization and infrastructure parameterisation
- Design and enforce model, code and data versioning workflows to support audits and automated retraining
- Build and maintain GitLab CI pipelines for unit, integration and regression testing of ML components
- Collaborate with data scientists to optimise model packaging and to apply model compression where needed for performance constraints
- Monitor deployed models and data quality, and implement automated retraining or alerting when performance degrades
Uw profiel
Essentiële vaardigheden
- Minimaal 4 jaar professionele ervaring in machine learning engineering of vergelijkbare rollen
- Sterke Python-ontwikkelvaardigheden met ervaring in packaging en dependency management
- Praktische ervaring met containerisatie en virtualisatie (Docker, aanmaken van VM-images)
- Hands-on ervaring met CI/CD, specifiek GitLab CI voor geautomatiseerde tests en implementaties
- Vertrouwdheid met praktijken en tools voor versiebeheer van code, modellen en data
- Operationele kennis van PostgreSQL voor opslag van features of metadata
- Comfortabel werken in agile teams en het vertalen van data-science werk naar productieleveringen
Gewenste vaardigheden
- Ervaring met integratie van heterogene systemen, inclusief legacy of gedistribueerde platforms
- Kennis van ETL/ELT tooling en big-data verwerking (Spark)
- Vertrouwd met technieken voor modelcompressie en datastroomverwerking
- Ervaring met datavisualisatietools voor het monitoren van modelgedrag
Talen
- Engels, C1 (verplicht)
- Nederlands, B1 (een plus)
- Frans, B1 (een plus)
Opleiding
- Diploma in Informatica, Data Science, Engineering of gelijkwaardige professionele ervaring