Senior AI/Machine Learning Engineer

Functieomschrijving

Een Senior AI/Machine Learning Engineer is verantwoordelijk voor het ontwerpen, bouwen en in productie nemen van data-gedreven modellen en intelligente systemen die concrete beleids- of bedrijfsvragen oplossen. De functie richt zich op het hele traject van prototyping tot productiedienst: dataverzameling en -opschoning, feature engineering, modelselectie en -training, evaluatie en interpretatie, en het implementeren van modellen in betrouwbare, schaalbare productieworkflows. De rol vereist niet alleen diepgaande technische kennis van machine learning, deep learning en moderne frameworks, maar ook het vermogen om technische oplossingen te vertalen naar begrijpelijke business- en beleidsinzichten. In veel opdrachten is samenwerken met beleidsadviseurs, data-engineers, security- en privacy-experts en externe leveranciers essentieel. De functie kan zowel in vaste dienst als via zzp opdrachten, interim werk of opdrachten overheid uitgevoerd worden; in dat laatste geval spelen zaken als DAS of andere inhuurconstructies soms een rol bij contractering en administratieve afhandeling.

Typisch salaris

Het salaris voor een senior AI/ML-engineer varieert sterk afhankelijk van arbeidsvorm, sector en ervaring. In een vaste dienstbetrekking ligt het bruto jaarsalaris doorgaans tussen ongeveer €65.000 en €95.000, afhankelijk van verantwoordelijkheidsniveau, public sector-toeslagen en secundaire arbeidsvoorwaarden. Voor consultants en zelfstandigen (zzp) zijn dagtarieven gebruikelijker: ervaren senioren rekenen vaak tussen €600 en €1.000 per dag, afhankelijk van specialisatie en netwerk. Bij interim werk en grote opdrachten overheid kunnen tarieven in combinatie met detachering of via een bureaustructuur (bijvoorbeeld via DAS) anders worden vormgegeven; houd rekening met andere kostenposten zoals pensioenopbouw, verzekeringen en administratieve lasten. Deze cijfers zijn indicatief en verschillen per regio, organisatiegrootte en mate van leiderschap of domeinexpertise (bijvoorbeeld energie, landbouw of klimaatbeleid).

Veelvoorkomende taken in deze functie

De dagelijkse praktijk van een Senior AI/Machine Learning Engineer bestaat uit een mix van onderzoek, engineering en samenwerking. Typische taken zijn het vertalen van beleids- of businessvragen naar meetbare doelen en evaluation metrics, het ontwerpen van end-to-end ML-pijplijnen, het selecteren en trainen van modellen (van klassieke ML tot deep learning en LLMs), het opzetten van experimenten en A/B-tests, en het documenteren van modelgedrag en performance. Daarnaast behoren het bouwen van schaalbare infrastructuur (Docker, Kubernetes), CI/CD-pijplijnen, monitoring en model governance tot het takenpakket, net als het waarborgen van privacy-by-design en GDPR-compliance. In projecten met generative AI worden fine-tuning, RAG-patterns en agentic workflows toegepast en getest. Een senior engineer begeleidt tevens junior teamleden, neemt deel aan architectuurkeuzes, en werkt samen met stakeholders om oplossingen te integreren in bestaande IT-landschappen. In contractuele of freelance rollen kunnen taken ook omvatten: onderhandelingen over scope in zzp opdrachten, het opstellen van voorstellen voor opdrachten overheid, of het tijdelijk invullen van sleutelposities in interim werk.

Hoe word je specialist in deze functie

Een specialist wordt je door een combinatie van formele opleiding, praktijkervaring en voortdurende bijscholing. Start met een stevige academische basis (bijvoorbeeld WO in Kunstmatige Intelligentie, Informatica of Data Science) en bouw daarna meerdere jaren hands-on ervaring op met end-to-end projecten, bij voorkeur met verantwoordelijkheid voor productie-implementaties. Verdiep je in moderne tooling en frameworks (Python, PyTorch, TensorFlow, Hugging Face, LangChain, vector databases) en leer technische vaardigheden als containerisatie, Kubernetes, CI/CD en MLOps. Belangrijk is ervaring met privacy, beveiliging en governance in dataworkflows zodat oplossingen GDPR-proof zijn. Neem deel aan projecten in relevante domeinen (duurzaamheid, energie, landbouw, klimaat) om domeinexpertise te ontwikkelen. Doe ervaring op met diverse arbeidsvormen: vaste rollen, zzp opdrachten en interim werk geven elk verschillende inzichten in projectmanagement en stakeholdermanagement; opdrachten overheid vragen vaak extra aandacht voor transparantie en verantwoording. Zoek mentorship, deel kennis binnen vakgroepen en blijf op de hoogte van ontwikkelingen op het gebied van LLM’s en generative AI. Tenslotte helpt het actief bijdragen aan open source, publiceren van case studies of het geven van workshops om je zichtbaarheid en deskundigheid verder te vergroten.