Machine Learning Engineer (alle genders)

Je zet modellen en datagedreven methoden om in betrouwbare diensten. Het gaat niet alleen om modelkwaliteit, maar ook om reproduceerbare verwerking, stabiele inference en meetbare veranderingen na een release. Samen met software- en datateams beoordeel je welke modellen en beheervormen bij de taak passen.

Een model kan in een experiment goed presteren en in de toepassing toch falen. Je controleert datadistributie, preprocessing en de scheiding tussen trainings- en testdata. Modellen, configuratie en datasets worden transparant geversioneerd. Bij de release vergelijk je kwaliteit, resourcebehoefte en antwoordtijd. Monitoring moet veranderde invoerdata of dalende resultaatkwaliteit herkennen; een rollback naar een vorige versie wordt expliciet getest.

• Reproduceerbare trainings-, validatie- en inferencepipelines implementeren en datasets en modelversies traceerbaar maken.
• Modellen als diensten beschikbaar stellen; resourcebehoefte, throughput en antwoordtijden met belastingstests beoordelen.
• Geschikte kwaliteitsmetingen en vergelijkingsbaselines definiëren, datalekken herkennen en resultaten duidelijk documenteren.
• Monitoring voor modelkwaliteit en datawijzigingen ontwerpen en gecontroleerde updates en rollbacks mogelijk maken.
• Data- en modelversies koppelen aan testmetingen, configuratie en releaseartefacten.
• Inference onder wisselende belasting en modelrollbacks inclusief invoerformaten testen.

Van belang is aantoonbare ervaring die relevant is voor de functie. Die kan voortkomen uit een passende beroepsopleiding, een studie, werkervaring of een gedegen carrièreswitch. We stemmen de concrete verantwoordelijkheid af op jouw kennis en ervaring.

• Praktische Python-ervaring en sterke basis in statistiek, modelbeoordeling en datavoorbereiding.
• Ervaring met ten minste één ML-framework en het beschikbaar stellen van modellen als toepassing of dienst.
• Inzicht in geautomatiseerde tests, versiebeheer en een zuivere scheiding tussen training en evaluatie.

Deze kennis is nuttig, maar je hoeft niet alles tegelijk te beheersen. Beschrijf in je sollicitatie waar je al praktische ervaring hebt opgedaan en in welke onderwerpen je je verder wilt verdiepen.

• Ervaring met MLOps, experiment tracking of featurepipelines.
• Kennis van GPU-inference, kwantisatie of reproduceerbare containeromgevingen.

Je levert reproduceerbare modelservices met gedocumenteerde grenzen en transparante kwaliteitsontwikkeling. Een betere offlinescore wordt pas een release wanneer ook beheerbaarheid en bedrijfsmatig nut zijn gecontroleerd.

Deze functie kan in Keulen of op afstand worden uitgevoerd. Voor je start stemmen we de concrete samenwerking, projecteisen en eventueel noodzakelijke klantafspraken met elkaar af.

Deze functie wordt aangeboden als vast dienstverband, voltijd of deeltijd. We stemmen taken, arbeidsduur, startdatum en beloning af op de functie en jouw ervaringsniveau.

Laat ons in je sollicitatie zien welke ervaring of interesses je voor deze functie meebrengt. Een cv en relevante projectvoorbeelden, certificaten of werkvoorbeelden helpen ons je professionele achtergrond te beoordelen. Stuur geen vertrouwelijke klantgegevens, toegangsgegevens of beschermde broncode mee.

Vertel ons welk werkmodel je wenst, wanneer je kunt beginnen en of je voltijd of deeltijd wilt werken.

Heb je vragen over de functie, neem dan contact op met ons recruitmentteam via hr@otoko.com. Opname in de kandidatenpool is vrijwillig en gebeurt alleen met afzonderlijke toestemming; het is geen voorwaarde voor de beoordeling van je sollicitatie.