Machine Learning Engineer (K09993)

About the Position

Join RSVZ as a Machine Learning Engineer (K09993) to optimize processes, support decisions, and enhance digital services with reliable, scalable ML solutions.

Responsibilities

• Datavoorbereiding en feature engineering

  • Verwerken, analyseren en voorbereiden van data uit verschillende interne en externe bronnen.
  • Ontwerpen en implementeren van datatransformaties en feature engineering-processen.
  • Bewaken van datakwaliteit, consistentie en reproduceerbaarheid binnen ML-workflows.
  • Samenwerken met relevante teams om data op een betrouwbare en herbruikbare manier beschikbaar te maken voor ML-use cases.

• Modelontwikkeling en validatie

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

• Operationaliseren van ML-oplossingen

  • Vertalen van modellen en experimenten naar productieklare services en pipelines.
  • Integreren van modellen in backend-services, API’s of batchprocessen.
  • Implementeren van versiebeheer voor code, configuratie, modellen en relevante datasets.
  • 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 release-aanpak voor ML-componenten.
  • Monitoring voorzien voor performantie, stabiliteit, latency, foutafhandeling, datadrift en modeldrift.
  • 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.
  • Bijdragen aan goede praktijken rond ML-engineering, testing, deployment en monitoring binnen RSVZ.
  • Documenteren van implementaties, aannames en operationele aandachtspunten.
  • Kennis delen met teams en actief bijdragen aan de maturiteit van ML binnen de organisatie.

Requirements

Core Skills

• SQL en dataverwerking in productiecontext Junior
• ML-pipelines en MLOps-praktijken (Azure Devops) Junior
• Python (data- en ML-development) Confirmed
• Datavoorbereiding, feature engineering en modelvalidatie Junior
• Containerisatie en deployment patterns (Docker) Junior
• Monitoring van modellen en pipelines (logging, metrics, drift-detectie, opentelemetry, DynaTrace) Junior
• Experiment tracking, model registry of workflow orchestrationExperiment tracking, model registry of Junior
• CI/CD, versiebeheer en deployment van ML-services Junior

Secondary Skills

• C# /.NET / Blazor Framework Junior
• Azure Junior
• Machine learning libraries and opensource model/tools (scikit-learn, PyTorch,, Langraph, Ollama, Lan Junior
• Integratie van ML-componenten in applicaties of backend-services Junior

Languages

• Dutch Native
• French Native

We Offer

• Hybrid work regime: 2 days in office, 3 days remote
• Collaborative environment: Work with a diverse, multi-disciplinary team
• Professional growth: Opportunities to learn and apply new techniques and best practices

About the Company

RSVZ is a dynamic organization with over 150 people working in the IT department. The organization is bilingual (Dutch and French) and operates in an informal culture. Within IT, Agile SAFe (Scaled Agile Framework) is used, and development teams are multidisciplinary.

Apply now to be part of our team and contribute to optimizing processes, supporting decisions, and enhancing digital services with reliable, scalable, and maintainable ML solutions.