Stand out for this role — generate a tailored resume and cover letter in about a minute.
Arcadis zoekt een gemotiveerde MSc-afstudeerstudent Civiele Techniek voor een afstudeerstage van oktober 2026 tot februari 2027 in Amersfoort. Je ontwikkelt en evalueert machine learning-modellen ter versnelling van 2D-overstromingsberekeningen, met focus op betrouwbaarheid en fysieke interpreteerbaarheid.
Je werkt aan data science, numerieke modellering en klimaatadaptatie, onder begeleiding van het River, Coast & Sea-team, met hybride/werkplek-opties en een professionele leeromgeving.
Arcadis is dé wereldwijde partner die vooraan staat bij de meest impactvolle projecten van onze tijd. We helpen onze klanten duurzame keuzes te maken via de combinatie van digitale innovatie, expertise en toekomstgerichte vaardigheden in onder meer milieu, energie, water, gebouwen, transport en infrastructuur. Wij zetten die extra stap om onze klanten op maat gemaakte oplossingen te bieden voor ontwerp, engineering en advies. Door data-gedreven inzichten in te zetten geven we de natuurlijke en gebouwde omgeving samen vorm.
Met meer dan 34.000 mensen bundelen we wereldwijde expertise en pakken we samen uitdagingen als klimaat, betaalbare energie en leefbare steden aan. We verbeteren de levenskwaliteit door onze aanwezigheid in meer dan dertig landen.
Wij zijn op zoek naar een gemotiveerde afstudeerstudent voor de periode van oktober 2026 tot en met februari 2027 met een sterke interesse in de toepassing van machine learning binnen overstromingsmodellering. Tijdens deze MSc-afstudeerstage ontwikkel, train en test je machine learning-modellen die 2D-overstromingssimulaties ondersteunen. Het doel is om de rekentijd van simulaties te verkorten, terwijl betrouwbaarheid en fysieke interpreteerbaarheid behouden blijven. Je werkzaamheden combineren data science, numerieke modellering en vraagstukken rondom klimaatadaptatie.
Klimaatverandering vergroot het risico op grootschalige overstromingen, zowel door extreme neerslaggebeurtenissen (pluviale overstromingen) als door extreem hoge rivierafvoeren (fluviale overstromingen), die kunnen leiden tot dijkdoorbraken.
Overstromingssimulaties zijn essentiële hulpmiddelen om de gevolgen van dergelijke scenario’s in kaart te brengen en de ontwikkeling van overstromingsrisicokaarten te ondersteunen.
Traditionele overstromingssimulaties maken gebruik van fysisch gebaseerde numerieke modellen die hydrodynamische vergelijkingen oplossen. Hoewel deze modellen nauwkeurig zijn, kunnen ze zeer rekenintensief zijn, vooral voor grote gebieden of modellen met een hoge resolutie. Machine learning biedt veelbelovende mogelijkheden om deze simulaties te versnellen, maar er zijn nog uitdagingen op het gebied van betrouwbaarheid, generaliseerbaarheid en fysieke interpreteerbaarheid van de modellen. Dit afstudeeronderzoek richt zich specifiek op deze uitdagingen.
Het hoofddoel van dit project is het ontwerpen, ontwikkelen en evalueren van een machine learning-model voor 2D-overstromingssimulaties. De exacte invulling kan worden afgestemd op jouw interesses, maar is naar verwachting als volgt:
Gedurende het project beoordeel je kritisch de prestaties, robuustheid en toepasbaarheid van het model binnen de professionele praktijk van overstromingsmodellering.
Arcadis biedt jou een functie met veel vrijheid om je werk zelfstandig in te vullen in een ambitieus en gedreven team. Naast een fijne werkcultuur hebben we ook prima arbeidsvoorwaarden opgenomen, waaronder:
We willen dat je elke dag je beste zelf kunt zijn. Gelijkheid en inclusie nemen we heel serieus en we houden onszelf verantwoordelijk voor onze acties. We willen een voorkeurswerkgever zijn en bieden iedereen een geweldige werkplek.
Uitzend-, detacherings- en W&S-bureaus hoeven niet te reageren, acquisitie naar aanleiding van deze vacature wordt niet op prijs gesteld. #LI- #LI-Hybrid
Een assessment en/of pre-employment screening kan onderdeel uitmaken van de sollicitatieprocedure.