Ons team
Onze IT-afdeling bestaat uit meer dan 160 mensen op een totaal van bijna 700 medewerkers.
Bij Delen Private Bank ontzorgen we onze klanten met een aanbod van discretionair vermogensbeheer en -planning. Hiervoor maken we gebruik van doorgedreven automatisatie via een strategisch intern ontwikkelde Core Banking software.
Het AI Team
Het AI Team binnen het data-domein van de IT-organisatie fungeert als brug tussen innovatieve AI-concepten en hun duurzame integratie in de operationele processen van de organisatie. Dit gebeurt vanuit onze visie om een vertrouwd, enterprise-grade AI platform op te zetten dat verantwoordelijke innovatie bij Delen stimuleert. Als centraal expertisecentrum werkt het team domeinoverschrijdend om proofs of concept uit het AI lab om te zetten in robuuste, schaalbare en verantwoorde AI-oplossingen in productie. Met een sterke focus op ethiek, verklaarbaarheid en technische integriteit, fungeert het team als center of excellence dat andere teams in staat stelt om AI-oplossingen op een verantwoorde manier en op schaal te leveren.
Het team bestaat momenteel uit een AI Product Owner, die de integratie aanstuurt van een herbruikbare suite van AI-capaciteiten in het IT-landschap, en is nu op zoek naar de eerste engineering-aanwinst om de technische fundamenten voor AI-adoptie in de organisatie uit te bouwen.
MLOps Engineer – Fundamentele Rol binnen het AI Team
Als onderdeel van het AI Team speelt de MLOps Engineer een fundamentele rol in het bouwen van de technische ruggengraat en operationele processen voor grootschalige AI-adoptie. Dit omvat het definiëren en implementeren van de MLOps architectuur die nodig is om machine learning-projecten in productie te brengen binnen de organisatie.
Deze rol is ideaal voor een ervaren platform- of MLOps engineer die eerder heeft bijgedragen aan het in productie brengen van ML-capaciteiten, bijvoorbeeld door interne ML-platformen te bouwen, modellen veilig en op schaal uit te rollen, of betrouwbare patronen te definiëren voor AI in productie.
De focus ligt op het versnellen van AI-innovatie binnen operationele processen, met behoud van kwaliteit, betrouwbaarheid en ethische integriteit van ML-oplossingen.
Opererend binnen het Data Domain, werkt de MLOps Engineer nauw samen met het DAR team, maar met een bredere scope: ondersteuning van meerdere domeinen, beheer van AI-oplossingen in productie, en begeleiding bij implementaties in samenwerking met andere teams.
Jouw verantwoordelijkheden
Definieer en implementeer het fundamentele MLOps framework voor modelontwikkeling, implementatie en monitoring binnen het IT-landschap.
Bouw en onderhoud de kerninfrastructuur en gedeelde capaciteiten die veilige en schaalbare AI-adoptie binnen de organisatie ondersteunen.
Bied duidelijke architecturale en operationele richtlijnen om andere teams in staat te stellen AI-oplossingen op een verantwoorde manier te bouwen en te beheren.
Evalueer en integreer MLOps tooling, met focus op Azure-native en Databricks-compatible oplossingen.
Stel standaarden, patronen en documentatie op om consistentie, betrouwbaarheid en onderhoudbaarheid in ML-ontwikkeling te garanderen.
Werk nauw samen met data engineers, architects en infrastructure teams om een vlotte integratie van AI-capaciteiten in productieomgevingen te verzekeren.
Bevorder observability, CI/CD discipline en lifecycle management in de context van AI-workloads.
Draag bij aan verantwoorde AI-adoptie door compliance, transparantie en beveiliging te verankeren in gedeelde tools en processen.
Zet mechanismen op om model performance en drift te monitoren, om zo de langdurige kwaliteit en het vertrouwen in productie-AI-systemen te waarborgen.
Wat jij meebrengt
Must-have
Ervaring met de volledige machine learning development lifecycle, en met het toepassen van DevOps principles (zoals CI/CD, testen, monitoring) op ML- of data-gedreven systemen.
Vaardig in Microsoft Azure en Databricks omgevingen, inclusief ervaring met het uitrollen en beheren van productie-workloads in de cloud.
Sterk begrip van containerization (Docker) en orchestration (Kubernetes) in een enterprise-context.
Aangetoonde ervaring in het bouwen en onderhouden van gedeelde infrastructuur of platformen die door andere teams worden gebruikt.
Werkkennis van Generative AI technologieën, waaronder prompt engineering, fine-tuning strategies, embeddings, en Retrieval-Augmented Generation (RAG).
Vertrouwd met vector databases en hun integratie in productie-AI-systemen.
Mindset
Sterke samenwerkingsvaardigheden en het vermogen om anderen te begeleiden en ondersteunen bij het adopteren van gedeelde frameworks en standaarden.
Een pragmatische, platform-first benadering gericht op langdurige onderhoudbaarheid, veiligheid en compliance.
Een sterk gevoel van ownership en verantwoordelijkheid in het bouwen van betrouwbare en herbruikbare capaciteiten.