Machine Learning Engineer M/V/X

WERAANBIEDING UIT EEN ANDERE REGIO; Sint-Gillis-bij-Dendermonde; Sur place; EUR 50 000 - 70 000; Plein temps

Résumé du poste

WERAANBIEDING UIT EEN ANDERE REGIO is op zoek naar een Machine Learning Engineer die verantwoordelijk is voor het ontwerpen en onderhouden van machine learning-modellen en pipelines. Je werkt met data engineers en business stakeholders om duurzame en betrouwbare oplossingen te creëren, zowel in de cloud als on-premise.

Daarnaast ben je betrokken bij de datavoorbereiding, modelontwikkeling en integratie van ML-oplossingen in backend-systemen. Kennis van de Europese AI-wetgeving is een plus.

Qualifications

• Ervaring met het ontwerpen en ontwikkelen van machine learning-modellen.
• Kennis van cloudinfrastructuren zoals Azure.
• Capaciteit om machine learning use cases te vertalen naar technische implementaties.

Responsabilités

• Datavoorbereiding en feature engineering.
• Modelontwikkeling en validatie voor diverse use cases.
• Operationaliseren van ML-oplossingen en integreren in systemen.
• Opzetten en onderhouden van ML-pipelines en monitoring.
• Samenwerken met technische en business stakeholders.

Description du poste

Machine Learning Engineer

Als Machine Learning Engineer ben je verantwoordelijk voor het ontwerpen, bouwen, deployen en onderhouden van machine learning-modellen en machine learning-pipelines. Je zorgt ervoor dat modellen niet enkel performant zijn in experimenten, maar ook betrouwbaar, schaalbaar en beheersbaar functioneren in productie zowel op cloudinfrastructuren (Azure) als on-premise. Je werkt nauw samen met data engineers, developers, architecten en business stakeholders. Ook vertaal je machine learning use cases naar duurzame technische implementaties die in overeenstemming zijn met de geldende regelgeving (met name de Europese AI-wet).

Belangrijkste verantwoordelijkheden

• Datavoorbereiding en feature engineering: Data uit diverse bronnen verwerken en voorbereiden, datatransformaties en feature engineering opzetten, en datakwaliteit, consistentie en reproduceerbaarheid bewaken.
• Modelontwikkeling en validatie: ML-modellen ontwerpen, trainen, tunen en benchmarken voor uiteenlopende use cases, met duidelijke validatiecriteria vóór productie.
• Operationaliseren van ML-oplossingen: Modellen vertalen naar productieklare services en pipelines, integreren in backend/API's/batch, met versiebeheer en een gestandaardiseerde deployment-aanpak.
• MLOps, monitoring en reliability: ML-pipelines en CI/CD opzetten en onderhouden, monitoring voorzien (performantie, drift, fouten) en retraining-mechanismen uitwerken, met oog voor betrouwbaarheid, schaalbaarheid en cost control.
• Samenwerking en kennisdeling: Afstemmen met technische en business stakeholders, goede praktijken en documentatie verzorgen, en bijdragen aan de ML-maturiteit van de organisatie.