Data Scientist

Als Data Scientist neem je rechtstreeks deel aan het ontwerp en de ontwikkeling van AI- en Data Science-oplossingen die bestemd zijn om te voldoen aan de operationele en tactische behoeften van onze opdrachtgever. Je bent verantwoordelijk voor de uitwerking van machine learning-pipelines, evenals voor de monitoring en het onderhoud ervan. Je bent eveneens verantwoordelijk voor de inproductiestelling van AI-modellen voor de organisatie, met voornamelijk ‘on-premise deployments’. Je ziet toe op de toepassing van de beste standaarden inzake programmering en machine learning binnen je projecten. Je voert een technologische monitoring uit om op de hoogte te blijven van de nieuwste ontwikkelingen op het gebied van MLOps en machine learning.

Aandacht voor de veiligheids-, ethische en juridische aspecten is een gewaardeerd pluspunt.

Je bent in het bezit van een master- of doctoraatsdiploma in de informatica, AI of gelijkwaardig en kunt bogen op minimaal 3 jaar ervaring op het gebied van data science, MLOps en ML.

Je beschikt over expertise op de volgende gebieden:

• On-premise en cloud development: expertise in de ontwikkeling en deployment van AI-oplossingen on-premise en in de cloud (Azure, AWS, GCP).
• 3+ jaar ervaring in de industrie: je beschikt over 3+ jaar ervaring in de wereld van ML, MLOps en big data met een focus op grootschalige deployments.
• Theoretische achtergrond en praktische expertise: op het gebied van ML en deep learning.
• Database Paradigm (SQL & NoSQL): grondige kennis van relationele en niet-relationele databases (SQL en NoSQL), met name Postgres, MySQL, Milvus, Neo4j, …
• ML / MLOps: aantoonbare ervaring in de deployment van ML-modellen en expertise in MLOps.
• Focus big data: ervaring in het benutten van grote reeksen gestructureerde en ongestructureerde gegevens.
• Containerisatie en deployment: ervaring met Docker en Kubernetes, evenals met orchestratietools zoals Kubeflow. Beheersing van ML-pipelines (Kubeflow, MLflow, SageMaker, …).
• CI/CD voor ML: beheersing van de implementatie van CI/CD voor ML-modellen en bijbehorende code.
• Data Storage: ervaring met verschillende oplossingen voor data-opslag (data lakes, data warehouse, object storage (S3)).

• System architecture: vermogen om een end-to-end ML-systeem te ontwerpen rekening houdend met randvoorwaarden inzake schaalbaarheid, robuustheid, onderhoud en hardware.

• Verbindend vermogen: heterogene profielen kunnen afstemmen op een gemeenschappelijk doel.
• Prioriteiten stellen: kritieke taken identificeren om doelen te bereiken, een langetermijnvisie behouden om volgende stappen te voorzien, en het werk herorganiseren in functie van onvoorziene omstandigheden of nieuwe elementen tijdens het project.
• Duidelijke en spontane communicatie: vlot communiceren, de juiste boodschap op het juiste moment en op het juiste niveau overbrengen. Technische concepten kunnen uitleggen aan niet-technici.
• Problem solving en analytisch denken: problemen op een gestructureerde manier benaderen, de grondoorzaken identificeren en pragmatische en doeltreffende oplossingen voorstellen. Afstand kunnen nemen om meerdere scenario’s te evalueren en de meest geschikte oplossing voor de context te kiezen.
• Samenwerking: constructief samenwerken met alle belanghebbenden, uitwisseling en co-creatie van oplossingen bevorderen. Luisteren naar de behoeften en beperkingen van iedereen om een positief en productief werkklimaat te stimuleren.
• Oog voor detail: aandacht besteden aan de technische, functionele en organisatorische aspecten van projecten. Zien op de kwaliteit van de code, de robuustheid van de modellen, de conformiteit van de op te leveren resultaten en de naleving van de standaarden van de organisatie.
• Nauwkeurigheid (Rigueur): systematisch de beste praktijken en methodologieën toepassen, werkzaamheden nauwkeurig documenteren en zorgen voor een continue opvolging van de voortgang van projecten binnen de deadlines en met inachtneming van de kwaliteitseisen.

Hard Skills

• Databases: MySQL, PostgreSQL, Neo4j, Milvus.
• AI Frameworks: Hugging Face, MLflow, PyTorch, TensorFlow, Scikit-learn, OpenCV, vLLM.
• Programmeertalen: Python (R is een pluspunt).
• Orchestratie en containerisatie: Docker, Kubernetes, Kubeflow.
• Software engineering: uv, ruff, black.
• Cloud Platforms: Azure, AWS.
• Versionering (code en modellen): MLflow, Git, GitHub, GitLab.

Talen

• Talenkennis: je beheerst minimaal het Engels evenals een van de twee nationale talen (NL/FR).