Job Description

📋 Taken en verantwoordelijkheden

Als Machine Learning Engineer bouw en operationaliseer je machine-learningoplossingen die processen optimaliseren, besluitvorming ondersteunen en digitale dienstverlening versterken. De focus ligt op betrouwbare, schaalbare en onderhoudbare oplossingen die vlot integreren met bestaande systemen en datastromen, zowel in een Azure-omgeving als on-premise.

Je werkt op het snijvlak van data, software engineering en MLOps in een tweetalige, multidisciplinaire en Agile/SAFe-context. Je zorgt ervoor dat modellen niet alleen goed presteren tijdens experimenten, maar ook stabiel, reproduceerbaar en beheersbaar functioneren in productie, met aandacht voor monitoring, continue verbetering en naleving van regelgeving, waaronder de Europese AI-wet.

Belangrijkste verantwoordelijkheden

Datavoorbereiding en feature engineering

• Verwerken, analyseren en voorbereiden van data uit verschillende interne en externe bronnen.
• Ontwerpen en implementeren van datatransformaties en feature-engineeringprocessen.
• Bewaken van datakwaliteit, consistentie en reproduceerbaarheid binnen ML-workflows.
• Samenwerken met relevante teams om data betrouwbaar en herbruikbaar beschikbaar te maken voor ML-use-cases.

Modelontwikkeling en validatie

• Ontwerpen, trainen, testen en tunen van machine-learningmodellen voor use-cases zoals classificatie, regressie, forecasting, detectie en scoring.
• Selecteren van geschikte technieken en evaluatiemethodes in functie van de use-case en de productiecontext.
• Uitvoeren van experimenten en benchmarken van modellen met aandacht voor kwaliteit, uitlegbaarheid en onderhoudbaarheid.
• Definiëren van duidelijke validatiecriteria voordat modellen in productie worden genomen.

Operationaliseren van ML-oplossingen

• Vertalen van modellen en experimenten naar productieklare services en pipelines.
• Integreren van ML-componenten in applicaties, backend-services, API's of batchprocessen.
• Implementeren van versiebeheer voor code, configuratie, modellen en relevante datasets.
• Toepassen van containerisatie en deployment patterns, bijvoorbeeld met Docker.
• Bijdragen aan een gestandaardiseerde en betrouwbare deployment-aanpak voor ML-oplossingen.

MLOps, monitoring en reliability

• Opzetten en onderhouden van ML-pipelines, CI/CD-processen en een release-aanpak voor ML-componenten, bij voorkeur met Azure DevOps.
• Inzetten op experiment tracking, model registry en workflow orchestration om reproduceerbaarheid en beheer te versterken.
• Monitoring voorzien voor performantie, stabiliteit, latency, foutafhandeling, datadrift en modeldrift, onder meer via logging, metrics, OpenTelemetry en Dynatrace waar relevant.
• Uitwerken van retraining- en feedbackmechanismen om modellen actueel en performant te houden.
• Waken over betrouwbaarheid, schaalbaarheid, cost control en operationele beheersbaarheid van ML-oplossingen.

Samenwerking en kennisdeling

• Afstemmen met developers, data engineers, architecten en business stakeholders over technische keuzes en implementatie.
• Documenteren van implementaties, aannames en operationele aandachtspunten.
• Kennis delen met teams en actief bijdragen aan goede praktijken rond ML-engineering, testing, deployment en monitoring.
• Meewerken aan de verdere maturiteit van machine learning binnen de organisatie.

Werkregeling

Hybride: wekelijks 2 dagen op kantoor en 3 dagen telewerk.

📝Jouw profiel

Je hebt relevante ervaring als machine learning engineer in een productiecontext en combineert een sterke technische basis met een pragmatische aanpak.

Technische vereisten

• Python voor data- en ML-development.
• SQL en dataverwerking in een productiecontext.
• Datavoorbereiding, feature engineering en modelvalidatie.
• Ervaring met machine-learninglibraries en open-source tools, zoals scikit-learn, PyTorch, LangGraph en Ollama.
• Ervaring met experiment tracking, model registry en/of workflow orchestration.
• Kennis van ML-pipelines en MLOps-praktijken, bij voorkeur met Azure DevOps.
• Ervaring met CI/CD, versiebeheer en deployment van ML-services.
• Kennis van containerisatie en deployment patterns, bijvoorbeeld Docker.
• Ervaring met monitoring van modellen en pipelines, inclusief logging, metrics, drift-detectie, OpenTelemetry en Dynatrace.
• Ervaring met de integratie van ML-componenten in applicaties of backend-services.
• Kennis van C#, .NET en Blazor is een plus.
• Ervaring met Azure is mooi meegenomen.

Je manier van werken

• Resultaatgericht en pragmatisch, met focus op stabiele en bruikbare productiecomponenten.
• Sterk analytisch en logisch denkvermogen.
• Kwaliteitsbewust, met aandacht voor betrouwbaarheid, onderhoudbaarheid en helderheid.
• Neemt ownership over technische implementaties en stelt proactief verbeteringen voor.
• Communiceert helder over technische keuzes naar technische en niet-technische stakeholders.
• Werkt vlot samen in multidisciplinaire teams.
• Leergierig en gemotiveerd om nieuwe technieken en best practices in een productiecontext toe te passen.

Talenkennis

• Nederlands of Frans als voertaal.
• Je begrijpt de tweede landstaal.

💼 Aanbod

Je zal deel uitmaken van een groeiende KMO met ruimte voor initiatief en persoonlijke ontwikkeling. Wij zorgen ervoor dat je in een uitdagende maar aangename werkomgeving terecht komt met leuke collega's. Samen met jou stippelen we een carriereplan uit, met aandacht en budget voor bijkomende opleidingingen / certificaties. Je kan rekenen op een motiverend salaris, aangevuld met extralegale voordelen, inclusief bedrijfswagen (of alternatieve vergoeding).
(Freelance is ook mogelijk)