Data Scientist

In het kort: Je gaat korte-termijnvoorspellingen van netbelasting verbeteren met OpenSTEF, experimenteren met forecastingmodellen, Python-pipelines bouwen, monitoring versterken en kennis delen binnen het team en de open-sourcecommunity.

Algemeen
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.

Werklocatie
Werklocatie: Rotterdam
Werklocatie-omschrijving: Standplaats + deels vanuit huis.

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.

Eisen
-Dienstverband: ZZP (of detachering)
- Het CV is voorzien van referenties (naam, functie en contactgegevens referent) of deze kunnen op aanvraag aangeleverd worden.
- Kandidaat dient de Nederlandse taal machtig te zijn (min niveau C1) in woord en geschrift, tenzij anders aangegeven. Een aanbieding op deze aanvraag is hierbij een akkoordverklaring. (Ja (0 Punten) / Nee (0 Punten))
- De kandidaat heeft minimaal een afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechiek, computer science of een vergelijkbare richting. (Ja (3 Punten) / Nee (0 Punten))
- De kandidaat heeft aantoonbare ervaring met time-series forecasting en machine learning in een professioele omgeving. (Ja (3 Punten) / Nee (0 Punten))
- 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.

Wensen
- Is de kandidaat eerder werkzaam geweest binnen Stedin? Indien kandidaat eerder werkzaam is geweest binnen Stedin dan dient de reden van vertrek in het CV te staan. Tevens worden intern referenties ingewonnen. Mocht de reden van vertrek en de referentie(s) niet overeenkomen, dan wordt de toelating in het Dynamisch Aankoopsysteem ontnomen. (0 Punten)

Competenties
- Goed kunnen plannen
- Verantwoordelijkheidsgevoel
- Flexibele instelling
- Goede communicatieve vaardigheden
- Resultaatgericht
- Proactief
- Luistervaardig (Uitstekend (15 Punten) / Goed (10 Punten) / Voldoende (6 Punten) / Matig (3 Punten) / Onvoldoende (0 Punten))

Overige informatie
Optie tot verlenging: Onbekend
Gespreksdatum: De intakegesprekken worden naar verwachting op korte termijn ingepland.
Dienstverband: ZZP (of detachering)

Over de opdrachtgever
Stedin Groep is een Nederlands energiebedrijf dat actief is in de sectoren elektriciteit, gas en warmte. Het bedrijf is verantwoordelijk voor de distributie en levering van energie in delen van Zuid-Holland, Utrecht en Flevoland. Stedin Groep speelt een belangrijke rol in het garanderen van een betrouwbare energievoorziening voor huishoudens, bedrijven en instellingen in de regio.

De sluitingsdatum van deze opdracht is de harde deadline van onze opdrachtgever.
- Om je krachtig voor te kunnen dragen hebben wij minimaal één werkdag nodig om samen met jou alle bescheiden in orde te maken.
- Wanneer je interesse hebt in deze opdracht en overtuigd bent van een sterke match, reageer dan direct!
- Naast een actueel en op de opdracht gericht CV zullen wij altijd vragen om een bondige persoonlijke motivatiebrief (inclusief een toelichting per functie-eis en -wens) en een indicatief uurtarief/maandloon.
Op basis van deze informatie kunnen wij voor je aan de slag! We nemen contact met je op om alle verdere details goed door te nemen en duidelijke afspraken met je te maken.