Senior Data Scientist

1. Nauw samenwerken binnen het Data mining team (data scientists/analisten, en waar relevant data engineers/platform stakeholders).

2. Samenwerking met Data Platform team en inhoudelijke partners/stakeholders.

3. Werkt in een omgeving met meerdere prioriteiten, waar nood is aan structuur in intake, opvolging en communicatie.

4. Duidelijker intake- en prioriteringsproces voor ad-hoc vragen naar het Data mining team.

5. Meer herbruikbare en schaalbare outputs i.p.v. one-offs.

6. Meetbare uplift in teamkwaliteit via coaching, reviews en methodische afspraken.

7. Betere voorspelbaarheid en voortgang op belangrijke data-trajecten en strategische initiatieven.

1. Master in IT

2. Sterke, hands-on ervaring als Data Scientist / ML Engineer met focus op Python.

3. Ervaring met data-analyse en modellering (pandas, scikit-learn) en het bouwen/verbeteren van ML-modellen in een productiecontext.

4. Sterke software engineering basis: Git, code reviews, CI/CD pipelines, Docker; ervaring met het opzetten van API’s en herbruikbare componenten (bv. FastAPI).

5. Kennis van SQL; ervaring met infrastructuur-as-code of cloud is een plus (Terraform, AWS/GCP).

6. Sterk in structureren van onduidelijke vragen en vertalen naar concrete aanpak/opleveringen

7. Ervaring met coaching/mentoring en werken in co-creatie (bv. technische opleidingen, reviews, SCRUM/scrum master rol).

8. Sterke communicatieve skills (stakeholders meenemen, helder rapporteren, verwachtingen managen).

9. Drietaligheid (NL/FR/EN) sterk gewenst en bij voorkeur op hoog niveau.

10. Ervaring met data product thinking, governance en kwaliteitsprincipes (FAIR, definities, documentatie, herbruikbaarheid).

11. Ervaring met graph analytics / network analytics of andere advanced analytics domeinen.

12. Kennis van Databricks.

13. Eerdere ervaring binnen een OISZ is een grote plus.

14. Eerdere ervaring met secondary data use en fraud detection.

1. Strategische data-initiatieven versnellen door inhoudelijke expertise, technische richting en coaching.

2. De continue stroom van ad-hoc data vragen beheersen door overzicht, prioritering, bundeling en vertaling naar herbruikbare oplossingen/data producten.

De rol brengt senioriteit, structuur en technische diepgang in het Data mining team, en ondersteunt tegelijk de werking en opvolging samen met o.a. de teamverantwoordelijke en andere stakeholders.

Kernverantwoordelijkheden :

1) Strategische projecten & technische leadership

1. Opnemen van de technische lead in complexe data-trajecten (bv. advanced analytics, graph/network analytics, integraties, architecturale keuzes).

2. Mee vormgeven aan aanpak, solutioning en prioriteiten van grotere initiatieven, met oog voor haalbaarheid, impact en schaalbaarheid.

3. Bewaken en uitdragen van kwaliteitsstandaarden, waaronder reproduceerbaarheid, documentatie, methodiek en - waar relevant - engineeringkwaliteit.

2) Team uplift & co-creatie (binnen Data mining)

1. Coachen en begeleiden van data scientists en analisten via co-creatie, inhoudelijke reviews en het delen van best practices.

2. Structureel bijdragen aan de verhoging van teamcompetenties (methodiek, aanpak, kwaliteit, communicatie).

3. Actieve rol opnemen in het uitwerken van teamafspraken, zoals definition of done, werkvormen en kennisdeling.

3) Ad-hoc vraagstroom structureren en productiseren

1. Overzicht creëren in binnenkomende vragen: intake, slicing, prioritering, status/communicatie.

2. Ad-hoc werk clusteren en waar mogelijk omzetten naar structurele, herbruikbare oplossingen (herbruikbare datasets, analysemethodes, templates, dataproducten).

3. FAIR-principes toepassen vanuit een data product standpunt met een focus op herbruikbaarheid en kwaliteit.

4) Projectmanagement & opvolging (Stretch)

1. Basis delivery/project-opvolging opnemen (scope, milestones, afhankelijkheden, risico’s).

2. Ondersteunen van de teamverantwoordelijke in opvolging en coördinatie om stabiliteit te brengen in planning en uitvoering.

3. Bijdragen aan stakeholder alignment, inclusief verwachtingsmanagement, besluitvorming en (waar nodig) escalaties.

Zo ja, gelieve ook het antwoord op volgende vraag mee te sturen samen met het CV: leg uit hoe een random forest werkt en in welke situaties zou je de voorkeur geven aan XGBoost of AdaBoost in vergelijking met een Random Forest.