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
Eisen voor de opdracht Data scientist
- 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.
- De kandidaat heeft minimaal een afgeronde WO-opleiding in data science, econometrie, wiskunde, statistiek, elektrotechiek, computer science of een vergelijkbare richting.
- De kandidaat heeft aantoonbare ervaring met time-series forecasting en machine learning in een professioele omgeving.
- De kandidaat heeft een zeer goede beheersing van Python, inclusief testing, code reviews en versiebeheer.
- De kandidaat heeft aantoonbare ervaring met productieomgevingen, MLflow/MLOps en bij voorkeur Databricks en Azure.
- Het CV is voorzien van referenties (naam, functie en contactgegevens referent) of deze kunnen op aanvraag aangeleverd worden.
- De kandidaat heeft ervaring met backtesting, experimentopzet, modelvergelijking en forecastmetrics.
Wensen voor de opdracht Data scientist
- De kandidaat beschikt over onderstaande competenties. Deze kunnen worden getoetst in een gesprek met de opdrachtgever.
- Goed kunnen plannen
- Verantwoordelijkheidsgevoel
- Flexibele instelling
- Goede communicatieve vaardigheden
- Resultaatgericht
- Proactief
- Luistervaardig
- 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.
