Data Scientist
Tarief/Salaris
€Geen max uurtarief
Locatie
Zuid-Holland
Inzet
40 uur p/w
Dienstverband
ICT Informatievoorziening
Gepubliceerd
8 oktober, 2026
Deadline
14 oktober, 2026
Nog 5 dagen
De Opdrachtomschrijving
Binnen het Data Science Forecasting team werk je aan betrouwbare korte-termijnvoorspellingen van de netbelasting. De opdracht is specifiek gericht op het implementeren van het OpenSTEF model voor alle LS transformatoren. OpenSTEF is het netbeheer breed open source forecasting package voor korte termijn (<7 dagen) voorspellingen van de netbelasting. Stedin gebruikt deze voorspellingen voor de dagelijkse operatie, met name voor capaciteitsmanagement en netveiligheidsanalyses. Voor eind Q2 2027 moet de kwaliteit inhoudelijk verbeterd zijn van alle MS transformator voorspellingen (23.000 assets) (ACM deadline). Doel en inhoud van de opdracht Volledig draaiende openSTEF implementatie voor de 23.000 LS tranformatorpunten met geïmplementeerde features voor kwaliteitsverbetering. Samen met data scientists, machine-learning engineers, de Product Owner en stakeholders bepaal je welke verbeteringen de meeste forecastwinst opleveren. Je onderzoekt, implementeert en valideert deze verbeteringen, met expliciete aandacht voor productiegeschiktheid, uitlegbaarheid en herbruikbaarheid. · Analyse van de huidige forecastkwaliteit en selectie van locaties, horizons en situaties met het grootste verbeterpotentieel. · Backtesting en benchmarken van OpenSTEF-methoden tegenover de bestaande referentie, met passende kwaliteitsmetrics en segmentatie. · Verbeteringen voor lastige patronen, zoals flatlines, pieken, ontbrekende waarden, onvoorspelbare assets en beperkte historische data. · Experimenten met modelselectie, ensembles, kalibratie en betrouwbaarheidsintervallen. · Verkenning en validatie van foundation-model-capabilities zodra deze toepasbaar en verantwoord inzetbaar zijn. · Vertaling van succesvolle experimenten naar onderhoudbare Python-code, tests, configuratie en reproduceerbare pipelines. · Verbetering van monitoring op forecastkwaliteit, datakwaliteit en modelgedrag. · Bijdragen aan OpenSTEF, bijvoorbeeld via issues, documentatie, reviews of pull requests, wanneer een verbetering ook voor de community waardevol is. · Kennisoverdracht aan het team en heldere documentatie van keuzes, resultaten en vervolgstappen. Skillset/profiel: Je kunt hypotheses snel toetsen, maar weet ook wat nodig is om een model betrouwbaar in een kritische productieketen te laten landen. Afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechniek, computer science of een vergelijkbare richting. Aantoonbare ervaring met time-series forecasting en machine learning in een professionele omgeving. Zeer goede beheersing van Python, inclusief testing, code reviews en versiebeheer. Ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics. Ervaring met productieomgevingen, MLflow/MLOps en bij voorkeur Databricks en Azure. Bekendheid met probabilistische forecasting, kalibratie, ensembles of foundation models is een sterke pré. Ervaring met open-sourceontwikkeling of bijdragen aan een technische community is een pré. Je communiceert helder met zowel technische collega’s als businessstakeholders en legt keuzes transparant vast. Je werkt zelfstandig, zoekt actief samenwerking en draagt aantoonbaar kennis over.
De Eisen
De kandidaat heeft aantoonbare ervaring met time-series forecasting en machine learning in een professioele omgeving.
De kandidaat heeft een zeer goede beheersing van Python, inclusief testing, code reviews en versiebeheer.
De kandidaat heeft ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics.
De kandidaat heeft aantoonbare ervaring met productieomgevingen, MLflow/MLOps en bij voorkeur Databricks en Azure.De kandidaat heeft minimaal een afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechiek, computer science of een vergelijkbare richting.De kandidaat heeft aantoonbare ervaring met time-series forecasting en machine learning in een professioele omgeving.De kandidaat heeft een zeer goede beheersing van Python, inclusief testing, code reviews en versiebeheer.De kandidaat heeft ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics.De kandidaat heeft aantoonbare ervaring met productieomgevingen, MLflow/MLOps en bij voorkeur Databricks en Azure.
De Wensen
Interesse? Zo werkt het bij Bij Oranje
Snelle screening!
- • We beoordelen je CV op een match met de opdracht.
- • We controleren of je voldoet aan de harde eisen en wensen.
- • We adviseren je over een concurrerend tarief op basis van marktdata.
binnen 1 werkdag weet je waar je aan toe bent.
Wij verzorgen een professioneel voorstel dat opvalt.
- • We optimaliseren je voorstel voor maximale overtuigingskracht.
- • Voorwaarden en tarieven stemmen we vooraf 100% transparant af.
- • We begeleiden je intensief tijdens het selectieproces.
- • Jij behoudt de regie; wij faciliteren en versnellen.
Starten met je opdracht
- • 10% vaste marge over je uurtarief
- • Razendsnelle betaling: binnen 1 werkdag na ontvangst van de klant
- • Volledige vrijheid: geen concurrentie- of relatiebeding
- • 15% marge van het uurtarief
- • Restant volledig verloond als brutoloon
- • Netto betaling binnen 1 werkdag na betaling klant
- • Geen beperkende bedingen voor de toekomst
Reageer Direct
De opdracht sluit 14 oktober 2026.
Je reactie ontvangen we graag minimaal 1 werkdag voor sluiting van de opdracht.