📋 Taken en verantwoordelijkheden

Voor een afgebakend onderzoeksproject wordt onderzocht hoe structurele datacleaning en anomaliedetectie kunnen worden opgezet voor data afkomstig van Digitale Cabines binnen een bestaand dataplatform.

Voor deze opdracht wordt een team van twee specialisten samengesteld om een algoritme te ontwikkelen dat als Databricks Wheel kan worden uitgerold op het dataplatform. Dit component moet bij het opladen van datasets problemen in de data van Digitale Cabines detecteren, de onderliggende oorzaken helpen identificeren en de opgeladen gegevens volgens een vaste structuur wegschrijven.

Voor het team worden twee complementaire expertisedomeinen voorzien:

• focus op Power Systems Engineering & Software Engineering
• focus op Data Science / Machine Learning Operations Engineering

In deze rol werk je mee aan het inhoudelijk uitwerken van het algoritme op basis van aangeleverde cabinedata. Samen met de tweede specialist stel je de code op, test je die grondig en lever je die op in de vorm van een Databricks Wheel dat kan worden gedeployed binnen het dataplatform.

Daarnaast stem je af met platform- en dataspecialisten om de inhoudelijke werking, stabiliteit en inzetbaarheid van de oplossing te valideren. De nadruk ligt op het aantonen van een stabiele en coherente werking van het algoritme binnen de bestaande cloudomgeving.

De opdracht focust op de ontwikkeling, verwerking en analyse van substation-meetdata in een klantenbeheerde secure cloudomgeving, inclusief werken met een door de klant beheerde laptop. Structurele uitrol van de algoritmes en het beheer van de platformen vallen niet binnen deze scope.

📝 Jouw profiel

• Je hebt sterke expertise in Power Systems Engineering.
• Je beschikt over ervaring met Python softwareontwikkeling en Python software engineering, of met een equivalente programmeertaal.
• Je hebt kennis van Azure data-engineering.
• Je hebt ervaring met data-ingestie, data quality cleaning en root-cause-analyse van data-quality issues.
• Je bent vertrouwd met Data Science, MLOps en het werken met tijdsreeksen afkomstig van elektriciteitsnetten.
• Je kan een oplossing ontwikkelen en opleveren als , conform de geldende Europese regels rond data.