Data Scientist

Deze opdracht voor een Data Scientist bij Stedin Netbeheer B.V. in Rotterdam betreft een detachering van 7 maanden, 40 uur per week, met een salarisindicatie van €80,00 tot €95,00 per uur. Reageren kan tot maandag 12 oktober 2026, 03:00. De functietitel wordt ook vermeld als 'Projectcoördinator (Gas Netgedreven)'.

Algemeen: Je werkt aan betrouwbare korte-termijnvoorspellingen van de netbelasting met als focus de implementatie van het OpenSTEF-model voor alle LS-transformatorpunten. OpenSTEF is een open source forecastingpakket voor korte termijn (<7 dagen) voorspellingen van de netbelasting. Deze voorspellingen worden gebruikt voor de dagelijkse operatie, met name voor capaciteitsmanagement en netveiligheidsanalyses. Doel en inhoud van de opdracht: Zorgdragen voor een volledig draaiende OpenSTEF-implementatie voor de 23.000 LS-transformatorpunten met features voor kwaliteitsverbetering; Samen met data scientists, machine-learning engineers, de Product Owner en stakeholders bepalen welke verbeteringen de meeste forecastwinst opleveren; Onderzoeken, implementeren en valideren van 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; Ontwikkelen van verbeteringen voor lastige patronen (flatlines, pieken, ontbrekende waarden, onvoorspelbare assets, 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 (issues, documentatie, reviews, pull requests) wanneer relevant voor de community; Kennisoverdracht aan het team en heldere documentatie van keuzes, resultaten en vervolgstappen.

Profiel / Skillset: Je kunt hypotheses snel toetsen en weet wat nodig is om een model betrouwbaar in een kritische productieketen te laten landen; Opleiding: Afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechniek, computer science of een vergelijkbare richting; Ervaring: Aantoonbare ervaring met time-series forecasting en machine learning in een professionele omgeving; Technische vaardigheden: 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.

Competenties: Je kunt hypotheses snel toetsen; Je weet 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 in een professionele omgeving; Aantoonbare ervaring met machine learning in een professionele omgeving; Zeer goede beheersing van Python; Ervaring met testing in Python; Ervaring met code reviews; Ervaring met versiebeheer; Ervaring met backtesting; Ervaring met experimentopzet; Ervaring met modelvergelijking; Ervaring met forecastmetrics; Ervaring met productieomgevingen; Ervaring met MLflow/MLOps; Ervaring met Databricks; Ervaring met Azure; Bekendheid met probabilistische forecasting is een sterke pré; Bekendheid met kalibratie is een sterke pré; Bekendheid met ensembles is een sterke pré; Bekendheid met foundation models is een sterke pré; Ervaring met open-sourceontwikkeling is een pré; Ervaring met bijdragen aan een technische community is een pré; Je communiceert helder met technische collega’s; Je communiceert helder met businessstakeholders; Je legt keuzes transparant vast; Je werkt zelfstandig; Je zoekt actief samenwerking; Je draagt aantoonbaar kennis over.