Opleidingsniveau
Bachelor (HBO/WO) in Informatica, Data Science, Kunstmatige Intelligentie of vergelijkbaar
Salarisindicatie in loondienst
€3000 - €4500 per maand
Indicatie uurtarief bij ZZP
€55 - €85 per uur
Doorgroeimogelijkheden
Senior Data Specialist, Data Architect, Machine Learning Engineer, AI Lead, Head of Data
Competenties & vaardigheden
RAG-implementatie, vectordatabases, embeddings, API-ontwikkeling, modelselectie
Gerelateerde functies
Data Engineer, Machine Learning Engineer, NLP Engineer, AI Engineer, Vector Database Engineer
Functiebeschrijving
Als Junior Data Specialist ontwerp en implementeer je Retrieval Augmented Generation-oplossingen die lokale modellen en on-premises infrastructuur gebruiken zonder externe LLM-diensten, waarbij je bronnen ophaalt, parset, verrijkt en indexeert in een vectordatabase met embedded representaties.
Je bepaalt modelselectie, embedding-strategie en architectuurkeuzes, bouwt API-endpoints voor query- en zoekfunctionaliteit en levert bij ieder antwoord relevante tekstfragmenten met bronvermelding en een overeenkomstscore voor traceerbaarheid.
Verder ontwikkel je compacte taalmodellen of pipelines die teruggegeven bronnen samenvatten in enkele zinnen en werk je mee aan verwante AI-oplossingen zoals clustering, voorspelmodellen en recommender engines binnen productieomgevingen.
De rol vereist samenwerking met multidisciplinaire teams, afstemming met stakeholders in opdrachten overheid en het vermogen om zowel binnen interim werk als zzp opdrachten organisatie-specifieke kaders te respecteren, inclusief naleving van lokale dataopslag (bijvoorbeeld in DAS-omgevingen).
Salarisindicatie
Voor vaste contracten ligt het bruto maandsalaris voor een junior specialist doorgaans tussen €3.000 en €4.500 afhankelijk van ervaring en sector.
Voor zzp opdrachten en interim werk hanteert de markt vaak een richttarief rond €60 per uur; gebruikelijke tarieven variëren tussen €55 en €85 per uur afhankelijk van complexiteit en beveiligingseisen.
Typische werkzaamheden
Je haalt documenten en datasets uit diverse bronnen, bouwt parsing-pijplijnen en structureert data voor embed-toepassing.
Je traint of kiest embedding-methoden, indexeert vectors in een vectordatabase en optimaliseert zoek- en retrieval-prestaties.
Je ontwikkelt en beheert API’s voor semantische zoekfuncties en implementeert provenance- en scoremechanismen bij antwoorden.
Je bouwt samenvattende taalpijplijnen die bronnen comprimeren tot leesbare antwoorden en voert evaluatie, testing en monitoring in productie uit.
Je levert bijdragen aan infrastructuurcomponenten zoals containerisatie, orkestratie en veilige on-prem deployment voor projecten met strikte data-eisen.
Hoe word je specialist
Start met een relevante bachelor in informatica, data science of vergelijkbaar en verdiep je in NLP, embeddings en vector search door gerichte cursussen en praktijkprojecten.
Werk aan concrete RAG-implementaties en vectordatabase-omgevingen in productie, bij voorkeur binnen opdrachten overheid of in zzp opdrachten en interim werk om ervaring met compliance en stakeholders op te bouwen.
Beheers tooling en processen voor API-ontwikkeling, observability en CI/CD, en leer Kubernetes, Docker en vectordatabasebeheer voor schaalbare deployments.
Documenteer resultaten in een portfolio en draag bij aan meerdere productiedoorbraken; ervaring met DAS-omgevingen of vergelijkbare data governance vergroot je inzetbaarheid in de publieke sector.
Opleidingsniveau
Bachelor (HBO/WO) in Informatica, Data Science, Kunstmatige Intelligentie of vergelijkbaar
Salarisindicatie in loondienst
€3000 - €4500 per maand
Indicatie uurtarief bij ZZP
€55 - €85 per uur
Doorgroeimogelijkheden
Senior Data Specialist, Data Architect, Machine Learning Engineer, AI Lead, Head of Data
Competenties & vaardigheden
RAG-implementatie, vectordatabases, embeddings, API-ontwikkeling, modelselectie
Gerelateerde functies
Data Engineer, Machine Learning Engineer, NLP Engineer, AI Engineer, Vector Database Engineer
Functiebeschrijving
Als Junior Data Specialist ontwerp en implementeer je Retrieval Augmented Generation-oplossingen die lokale modellen en on-premises infrastructuur gebruiken zonder externe LLM-diensten, waarbij je bronnen ophaalt, parset, verrijkt en indexeert in een vectordatabase met embedded representaties.
Je bepaalt modelselectie, embedding-strategie en architectuurkeuzes, bouwt API-endpoints voor query- en zoekfunctionaliteit en levert bij ieder antwoord relevante tekstfragmenten met bronvermelding en een overeenkomstscore voor traceerbaarheid.
Verder ontwikkel je compacte taalmodellen of pipelines die teruggegeven bronnen samenvatten in enkele zinnen en werk je mee aan verwante AI-oplossingen zoals clustering, voorspelmodellen en recommender engines binnen productieomgevingen.
De rol vereist samenwerking met multidisciplinaire teams, afstemming met stakeholders in opdrachten overheid en het vermogen om zowel binnen interim werk als zzp opdrachten organisatie-specifieke kaders te respecteren, inclusief naleving van lokale dataopslag (bijvoorbeeld in DAS-omgevingen).
Salarisindicatie
Voor vaste contracten ligt het bruto maandsalaris voor een junior specialist doorgaans tussen €3.000 en €4.500 afhankelijk van ervaring en sector.
Voor zzp opdrachten en interim werk hanteert de markt vaak een richttarief rond €60 per uur; gebruikelijke tarieven variëren tussen €55 en €85 per uur afhankelijk van complexiteit en beveiligingseisen.
Typische werkzaamheden
Je haalt documenten en datasets uit diverse bronnen, bouwt parsing-pijplijnen en structureert data voor embed-toepassing.
Je traint of kiest embedding-methoden, indexeert vectors in een vectordatabase en optimaliseert zoek- en retrieval-prestaties.
Je ontwikkelt en beheert API’s voor semantische zoekfuncties en implementeert provenance- en scoremechanismen bij antwoorden.
Je bouwt samenvattende taalpijplijnen die bronnen comprimeren tot leesbare antwoorden en voert evaluatie, testing en monitoring in productie uit.
Je levert bijdragen aan infrastructuurcomponenten zoals containerisatie, orkestratie en veilige on-prem deployment voor projecten met strikte data-eisen.
Hoe word je specialist
Start met een relevante bachelor in informatica, data science of vergelijkbaar en verdiep je in NLP, embeddings en vector search door gerichte cursussen en praktijkprojecten.
Werk aan concrete RAG-implementaties en vectordatabase-omgevingen in productie, bij voorkeur binnen opdrachten overheid of in zzp opdrachten en interim werk om ervaring met compliance en stakeholders op te bouwen.
Beheers tooling en processen voor API-ontwikkeling, observability en CI/CD, en leer Kubernetes, Docker en vectordatabasebeheer voor schaalbare deployments.
Documenteer resultaten in een portfolio en draag bij aan meerdere productiedoorbraken; ervaring met DAS-omgevingen of vergelijkbare data governance vergroot je inzetbaarheid in de publieke sector.
Opdracht (ZZP mogelijk; richttarief 60,-)
Beschrijving
Bij TenderNed worden AI-implementaties gerealiseerd die volledig lokaal moeten draaien; gebruik van grote externe LLM’s is niet toegestaan.
De opdracht richt zich op het ontwikkelen en in productie brengen van Retrieval Augmented Generation (RAG)-oplossingen: bronnen ophalen, parsen, en met embeddings in een vectordatabase plaatsen.
Je bepaalt modelselectie en technische keuzes, zorgt dat bronnen via een API bevraagd kunnen worden en levert bij elk antwoord relevante tekstfragmenten met bronvermelding en een overeenkomstscore.
Daarnaast bouw je een taalmodel dat de teruggegeven bronnen samenvat in enkele zinnen en kun je bijdragen aan overige AI-zaken zoals clustering, voorspelmodellen en recommender engines.
Voor ZZP’ers: de opdracht heeft geen structureel karakter, er is geen financieel risico voor de ZZP’er en je gebruikt eigen materialen.
Vereist profiel
- Minimaal 2 jaar werkervaring met RAG in de afgelopen 2 jaar, inclusief betrokkenheid bij minimaal één RAG-implementatietraject in productie.
- Minimaal 2 jaar werkervaring met vectordatabases in de afgelopen 2 jaar, inclusief ontwerp, implementatie of beheer van minimaal één productieomgeving met vectorzoekfunctionaliteit.
- Ervaring met samenwerken in multidisciplinaire teams en het afstemmen met stakeholders binnen een overheidscontext.
- Resultaatgericht, omgevingsbewust en in staat om binnen gestelde kaders afgesproken resultaten te behalen.
Eisen
- Kandidaat heeft minimaal 2 jaar werkervaring met Retrieval Augmented Generation (RAG) in de afgelopen 2 jaar, waarbij hij/zij betrokken is geweest bij ten minste één implementatietraject van een RAG-oplossing.
- Kandidaat heeft minimaal 2 jaar werkervaring met vectordatabases in de afgelopen 2 jaar, waarbij hij/zij betrokken is geweest bij het ontwerpen, implementeren of beheren van ten minste één productieomgeving waarin vectorzoekfunctionaliteit is toegepast.
Wensen
- Meer dan 2 jaar ervaring met RAG-oplossingen
- Meer dan 2 jaar ervaring met vectordatabases
- Ervaring met Elastic Search, Kubernetes en Docker
- Ervaring met Kotlin of Java
- Ervaring met andere AI-implementaties
Competenties
- Samenwerken: werkt effectief samen met verschillende disciplines en stakeholders.
- Omgevingsbewustzijn: begrijpt de context en belangen van een overheidsorganisatie.
- Resultaatgerichtheid: stuurt op het behalen van afgesproken resultaten binnen de gestelde kaders.