ML Ops Engineer

Functiebeschrijving

Een MLOps Engineer ontwikkelt en onderhoudt herbruikbare bouwblokken en workflows die machine‑learningmodellen reproduceerbaar, schaalbaar en productierijp maken.

Je ontwerpt en implementeert end‑to‑end architecturen, inclusief versiebeheer, testautomatisering, experimenteerplatforms en deployment‑pipelines.

De rol werkt intensief samen met data scientists, platform- en software‑engineers en solution architects om operationele betrouwbaarheid en observability te borgen.

Daarnaast publiceer je self‑service templates en paved paths zodat productteams sneller compliant en autonoom kunnen werken en verschillende inzetvormen zoals zzp opdrachten, opdrachten overheid en interim werk mogelijk zijn; kennis van DAS‑contracten is soms vereist.

Salarisindicatie

Voor vaste aanstelling ligt het brutojaarsalaris typisch tussen €60.000 en €95.000, afhankelijk van ervaring en locatie.

Voor externe consultants of zelfstandigen geldt een tarief dat doorgaans tussen €75 en €140 per uur schommelt; opdrachten overheid en DAS‑voorwaarden kunnen het tarief beïnvloeden.

Secundaire arbeidsvoorwaarden zoals pensioen, vakantiedagen en verzekeringen maken bij loondienst vaak een substantieel deel van het totale arbeidsvoorwaardenpakket uit.

Typische werkzaamheden

Je bouwt en onderhoudt CI/CD‑pijplijnen voor modeltraining, validatie, deployment en rollback.

Je implementeert tooling voor versiebeheer van modellen en datasets, bijvoorbeeld met MLflow en Unity Catalog op Databricks.

Je automatiseert tests voor datakwaliteit, modelperformantie en security controls om compliance‑by‑default te ondersteunen.

Je monitort modelperformance en infrastructuur met observability‑oplossingen en stelt alerts en runbooks op.

Je ontwikkelt developer‑experience elementen: templates, documentatie en selfservice op interne portals en meet adoptie via KPI’s.

Je ondersteunt adoptie door trainingen, support en feedbackloops en rapporteert meetbare impact aan stakeholders.

Hoe word je specialist

Begin met een technische wo‑opleiding in computer science, AI of data science en bouw sterke programmeervaardigheden in Python op.

Verkrijg praktijkervaring met Databricks, MLflow, cloudplatforms (zoals Azure) en DevOps‑tools door end‑to‑end projecten te realiseren.

Verdiep je in platform engineering, SRE‑principes en developer‑experience om schaalbaarheid, betrouwbaarheid en gebruiksvriendelijkheid te garanderen.

Volg gerichte certificeringen, draag bij aan open‑source of interne templates en documenteer productieve deployments in je portfolio.

Werk in verschillende opdrachtvormen zoals zzp opdrachten, interim werk en opdrachten overheid om contractuele en operationele variatie te leren beheersen en ervaring met DAS‑procedures op te bouwen.

Mentor junior engineers, meet consequent adoptie‑ en impactcijfers en streef naar leidinggevende platformrollen om je specialiststatus te verankeren.