Onderzoeker Deep Learning & Data Science

Bij De Haagse Hogeschool (THUAS) hebben we een team van AI en Data Science-experts dat werkt aan een breed scala van projecten door de hele organisatie heen. Als lid van dit AI Expert Team bereid je projecten voor in opdracht van diverse lectoraten, faculteiten en diensten binnen de hogeschool. Jij bent voor hen de expert op het gebied van Deep Learning, Machine Learning en Data Science. Je bijdragen variëren van projecten over predictief onderhoud van infrastructuur (wegen, bomen) tot initiatieven over Digital Twins voor groenere steden; en van het voorspellen van energieverbruik van gebouwen tot het analyseren van sensor- en beelddata uit de stedelijke omgeving. De focus ligt op praktijkgericht onderzoek met directe toepassingen in verschillende werkvelden, en op R&D-projecten die ons onderwijs verrijken.

Bij de uitvoering van projecten ben je verantwoordelijk voor de end-to-end pijplijn: van datacollectie, dataverwerking en analyse tot modellering, training en rapportage. Het is daarom belangrijk dat je projectideeën effectief kunt uitwerken. Meestal werk je tegelijk aan twee of drie projecten. In deze rol werk je samen met een onderzoeker-D (uit het AI-team en uit de onderzoeksgroep). Voorbeelden van rollen die je bij ons kunt uitvoeren, zijn:

• Onderzoeker van de effectiviteit van verschillende time-series modellen (zoals LSTM’s, Transformers en klassieke methoden) om het energieverbruik van gebouwen te voorspellen.
• Concept-ontwikkelaar in een onderzoek naar Digital Twins om lokale beleidsbeslissingen over groene ruimtes te ondersteunen of om testscenario’s voor waarnemingen van autonoom rijdende voertuigen uit te voeren.
• Meewerkend in onderzoek naar predictief onderhoud van infrastructuur (wegen, bomen) op basis van computer vision-en sensor-/geodata.

We zoeken een collega die gemotiveerd is om aan projecten te werken die aanzetten tot actie, momentum opbouwen en richting geven. Wij zijn op zoek naar de volgende competenties:

• Eigenaarschap en initiatief nemen.
• Plannen en organiseren: Je houdt grip op de projecten, geeft inzicht in je werk, en onderhoudt een intern netwerk.
• Overtuigen: Je beschikt over goede communicatieve vaardigheden. Je overziet het grotere geheel en kunt zaken klein en behapbaar maken als je merkt dat dat nodig is om verder te komen.
• Conceptontwikkeling: Je bent in staat om een ruw idee van een opdrachtgever om te zetten in een Proof-of-Concept AI-tool of voorspelmodel.

• Responsible AI-mindset: Je hebt oog voor ethische vraagstukken, bias, privacy en uitlegbaarheid van modellen, essentieel binnen publiek-gefinancierd onderzoek en samenwerkingen met gemeenten en onderwijs.

• Een Master (MSc) in een vakgebied gerelateerd aan AI, Data Science of een kwantitatieve richting (zoals Computer Science, Artificial Intelligence, Applied Mathematics, Statistics, Physics of Engineering).
• Deep Learning & Data Science expertise: Aantoonbare werkervaring in Deep Learning en Data Science, ondersteund door een trackrecord in het werken met grote datasets, statistische analyses, en het implementeren en ontwerpen van Machine Learning- en Deep Learning-modellen. Specifiek verwachten wij ervaring met meerdere van de volgende gebieden:
• Deep Learning-architecturen zoals CNN’s, RNN’s/LSTM’s en Transformers.
• Time-series modellering en forecasting.
• Computer vision, en sensordata zoals Lidar, radar, multispectraal beelden en werken met geospatiale data (GIS, remote sensing).
• Klassieke Machine Learning (regressie, boosting, clustering) en statistische modellering.
• Coding- en software-ervaring: coding en full-stack software engineering skills zijn belangrijk. Vereist/wenselijk is ervaring met:
• Python (vereist)
• Deep Learning frameworks zoals PyTorch en/of TensorFlow - vereist.
• R voor statistiek en time-series.
• High Performance Computing (HPC) en GPU-training - belangrijk voor het trainen van zware modellen.
• Linux, Azure (of andere cloud), Docker, Kubernetes.
• Kennis van MLOps (bijv. MLflow, Weights & Biases) is een pre.
• Kennis van Responsible AI/ AI Act is een pre.

• Een aanstelling voor een jaar (D4), met een omvang van 0,8 - 1,0 fte (32 - 40 uur per week), met mogelijkheid van verlenging.
• Een salaris van minimaal € 4.632,17 en maximaal € 6.677,44 bruto per maand (schaal 11) bij een volledige werkweek.
• 8% vakantietoeslag.
• Een eindejaarsuitkering van 8,3%.
• Mogelijkheid om de meeste dagen remote (thuis of elders) te werken.
• Een ruime verlofregeling.
• De keuze uit een NS-businesscard (2e klas) voor woon-werk verkeer of een vergoeding per kilometer.

Maar dat is nog niet alles! Lees alle arbeidsvoorwaarden.

Ben jij klaar om de toekomst van Deep Learning en Data Science vorm te geven binnen uiteenlopende praktijkgerichte onderzoeksprojecten?

Sluit je aan bij ons dynamische team, waar Deep Learning en Data Science worden ingezet om maatschappelijke uitdagingen op te lossen.

De Haagse Hogeschool is een organisatie die waarde hecht aan een veilige, betrouwbare en professionele omgeving, zowel intern als extern. Voor medewerkers die bij ons in dienst komen is de vaste regel dat we een verklaring omtrent gedrag (VOG) vragen. Een VOG is een verklaring die iedereen die in Nederland woont en een Burgerservicenummer heeft kan aanvragen en waaruit blijkt dat gedrag uit het verleden geen bezwaar vormt voor het vervullen van de functie bij De Haagse Hogeschool.

Over het AI & Data Science Expert Team Je thuisbasis is je team van vakgenoten op het gebied van AI en Data Science. We zijn een klein en hecht team dat bestaat uit vijf medewerkers en enkele stagiaires en student-assistenten. Samen ontwikkelen we een route die jouw ontwikkeldoelen ondersteunt. Denk bijvoorbeeld aan een langdurige opdracht bij een onderzoeksgroep waar je je kennis kunt verdiepen, kunt publiceren en tegelijkertijd adviestaken uitvoert. Deze aanpak maakt je niet alleen bekend met de diversiteit van de organisatie, maar biedt ook een stabiele groep collega’s om mee samen te werken.

Je werk bedient voornamelijk klanten vanuit de Centres of Expertise (clusters van onderzoeksgroepen), maar ook vanuit faculteiten (onderwijs) en diensten. Meer informatie over onze eerdere projecten vind je hier: https://www.linkedin.com/company/ai-hub-hhs.

Als je werkt bij De Haagse, dan werk je bij een van de meest dynamische en open organisatie in de Stad van Vrede en Recht. Samen met 2.500 collega’s help je 26.000 studenten uit meer dan 120 verschillende landen om zich voor te bereiden op een veelbelovende toekomst in een wereld die iedere dag verandert. Dat doen we door zelf ook mee te groeien en mee te veranderen met die wereld en met de wensen van onze studenten. We werken intensief samen met collega’s, met studenten en met het werkveld. We kijken vooruit, we zijn kritisch en we staan middenin de samenleving.

Daarbij staan diversiteit, inclusiviteit en gelijkwaardigheid centraal bij alles wat we doen. We streven ernaar dat de samenstelling van de studenten- en medewerkerspopulatie een afspiegeling is van de samenleving waarbinnen we werken en we willen iedereen gelijke kansen bieden. We realiseren ons dat dat voortdurende aandacht verlangt. Daar investeren we zelf in en we zien graag dat jij ons daarbij helpt.

Lees hier meer over ons verhaal en onze kernwaarden De Haagse Hogeschool als inclusieve campus:www.dehaagsehogeschool.nl

• Solliciteren kan alleen via de onderstaande sollicitatiebutton. Je hoeft geen motivatiebrief te schrijven, in plaats daarvan vragen we je onderstaande drie vragen in maximaal 200 woorden per vraag te beantwoorden. In het eerste gesprek komen jouw antwoorden op deze vragen en aan de orde.

1. Vertel over een situatie waarin je te maken kreeg met een (complex) technisch vraagstuk binnen een project over Deep Learning. Welke stappen heb je genomen om dit vraagstuk te analyseren en te vertalen naar een projectvoorstel?
2. Beschrijf een situatie waarin je een ruw concept of vraag van een opdrachtgever moest vertalen naar een werkende Proof-of-Concept. Hoe heb je de scope bepaald en welke technische keuzes heb je gemaakt?
3. Geef een voorbeeld van een situatie waarin je initiatief moest nemen om een nieuw idee of AI en/of Data Science-project van de grond te krijgen, waarbij je stakeholders moest overtuigen van de waarde ervan. Wat was het effect van jouw acties en hoe werd dit ontvangen?