> Markdown version of [/jobs/ext/1210246-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/1210246-machine-learning-engineer). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Machine learning engineer - **Company:** Always be learning - **Location:** Amsterdam, Netherlands - **Experience:** Experienced - **Salary:** €4,167.0 - €5,833.0 - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Amazon Web Services, Microsoft Azure, Continuous Integration, Information Engineering, Data Structures, Python (Programming Language), Machine Learning, NoSQL, Recommender Systems, Tensorflow, SQL Databases, Data Logging, Google Cloud, Feature Engineering, Pytorch, Git, Scikit Learn, Machine Learning Operations - **Published:** July 9, 2026 - **Apply:** https://www.jobbird.com/nl/vacature/25383073-machine-learning-engineer ## About the Role Opleiding Afgeronde HBO- of WO-opleiding in een technische richting Talen * Je beheerst Nederlands * Je hebt een afgeronde HBO- of WO-opleiding in een technische, exacte of analytische richting; * Je hebt minimaal 3 jaar fulltime werkervaring als ML Engineer / Data Scientist (met engineering focus) / Data Engineer met ML-projecten of vergelijkbare rol; * Jij gaat geen complexe uitdaging uit de weg - je vindt het leuk om van vage ML-wensen concrete oplossingen te maken; * Je bent zowel onderzoekend als praktisch: je kent de nieuwste ontwikkelingen, maar blijft nuchter in wat vandaag werkt; * Je kunt vakinhoudelijke materie goed uitleggen aan niet-techneuten en vindt het leuk om met stakeholders te schakelen. Jouw expertise * Sterke programmeerskills in Python; * Ervaring met het bouwen van ML-oplossingen (predictive modelling, forecasting, anomaly detection, recommenders, classificatie/regressie); * Ervaring met ML-frameworks zoals scikit-learn, PyTorch en/of TensorFlow; * Ervaring met cloudplatforms zoals Azure, AWS of GCP (bijv. Training/inference in de cloud, managed services waar passend); * Bekend met data engineering-concepten en dataplatformen (je snapt wat er onder de motorkap gebeurt en waarom dat belangrijk is voor features en modelkwaliteit); * Ervaring met MLOps, CI/CD en tools als Git, pipelines en monitoring (model performance, drift, data quality); * Ervaring met het uitrollen van modellen naar productie (API/batch), inclusief logging, versiebeheer en rollback-strategieën; * Kennis van model-evaluatie (metrics, validatie, bias/robustness) en experiment tracking is een dikke pré; * SQL heeft geen geheimen voor je, NoSQL is mooi meegenomen. ## Description Je helpt onze opdrachtgevers om van "we willen iets met ML" naar oplossingen te gaan die leunen op een stevig datafundament. Je denkt dus niet vanuit de laatste hype of alleen het model, maar vanuit data, architectuur en productie: hoe blijft het werken, hoe schaalbaar is het, en hoe beheren we het? * samen met data engineers, BI'ers en domeinexperts hun dataplatform en datastructuur begrijpen en aanscherpen; * het ontwerpen en bouwen van schaalbare ML-oplossingen (bijv. Forecasting, churn/propensity, anomaly detection, recommenders, classificatie/regressie) met Python en frameworks als scikit-learn, PyTorch of TensorFlow; * feature engineering en (waar nodig) het opzetten van feature pipelines/feature store concepten, zodat modellen gevoed worden door consistente, betrouwbare features; * het inrichten van cloud-infrastructuur op bijvoorbeeld Azure, AWS of GCP om modellen veilig, compliant en performant te laten draaien; * MLOps opzetten: monitoring, versiebeheer, evaluatie, retraining-strategie, security en cost control; * technische consultancy: een businessvraag vertalen naar een nuchtere ML-architectuur (en ook als ML niet de oplossing is, dit durven zeggen). ## Related Videos - [DevOps for Machine Learning](https://www.wearedevelopers.com/videos/179-devops-for-machine-learning) - [How a Small Team Shrank a Microsoft Monorepo by 94%](https://www.wearedevelopers.com/videos/1236-how-a-small-team-shrank-a-microsoft-monorepo-by-94) - [Leveraging Real time data in FSIs](https://www.wearedevelopers.com/videos/806-leveraging-real-time-data-in-fsis) - [Photonic Computing: Programming a New Class of AI Accelerators (incl. Live Coding)](https://www.wearedevelopers.com/videos/100196-photonic-computing-programming-a-new-class-of-ai-accelerators-incl-live-coding) - [Effective Machine Learning - Managing Complexity with MLOps](https://www.wearedevelopers.com/videos/185-effective-machine-learning-managing-complexity-with-mlops) - [Git for Code Reviews](https://www.wearedevelopers.com/videos/429-git-for-code-reviews) ## Related Articles - [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [The Most Popular IT Jobs on the Market](https://www.wearedevelopers.com/magazine/376-the-most-popular-it-jobs-on-the-market) - [Best Companies in the Netherlands: Top 25 Companies in 2023 ](https://www.wearedevelopers.com/magazine/193-best-companies-in-the-netherlands-top-25-companies-in-2023) - [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it) - [Why Upskilling And Reskilling is Important For Developers](https://www.wearedevelopers.com/magazine/428-why-upskilling-and-reskilling-is-important-for-developers)