ICT Adviseur – Data Scientist – ML Engineer
Federale Politie – Algemene Directie van de Gerechtelijke Politie

Werkomgeving

De Federale Gerechtelijke Politie is een gespecialiseerde politie, hoofdzakelijk belast met de bestrijding van georganiseerde criminaliteit in al haar vormen. Zij vormt een van de drie algemene directies van de federale politie en concentreert zich op onderzoeksdossiers met betrekking tot domeinen zoals cybercriminaliteit, terrorisme, zware misdaad, drugshandel en nog veel meer. Zij biedt ondersteuning en expertise aan de volledige geïntegreerde politie, evenals aan haar nationale en internationale partners.

Binnen deze directie bevinden zich de operationele middelen die zijn toegewezen aan gerechtelijke politieoperaties, de bestrijding van zware en georganiseerde criminaliteit, speciale eenheden, evenals technische en wetenschappelijke politieoperaties.

Functiebeschrijving

Als data scientist neem je rechtstreeks deel aan het ontwerp en de ontwikkeling van AI- en Data Science-oplossingen die inspelen op de operationele en tactische behoeften van de gerechtelijke politie. Je bent verantwoordelijk voor het opzetten van machine learning-pipelines, evenals hun monitoring en onderhoud. Je bent ook verantwoordelijk voor het in productie brengen van AI-modellen voor de organisatie, met voornamelijk on-premise deployments. Je zorgt ervoor dat de beste standaarden op het vlak van programmeren en machine learning worden toegepast binnen je projecten. Je volgt de technologische evoluties op de voet om up-to-date te blijven met de laatste ontwikkelingen op het gebied van MLOps en machine learning.

Aandacht voor het aspect veiligheid, ethiek en legaliteit is een gewaardeerd pluspunt.

Gezocht profiel

Je beschikt over een master- of doctoraatsdiploma in informatica, AI of gelijkwaardig en kan minimaal 3 jaar ervaring aantonen in de domeinen van data science, MLOps en ML.

Je beschikt over expertise in de volgende domeinen:

• On-premise en cloud development: Expertise in de ontwikkeling en uitrol van AI-oplossingen on-premise en in de cloud (Azure, AWS, GCP).
• 3+ jaar ervaring in de industrie: Je hebt meer dan 3 jaar ervaring in de wereld van ML, MLOps en big data met een focus op grootschalige deployments.
• Theoretische achtergrond en praktische expertise: in het domein van ML en deep learning.
• Database Paradigm (SQL & NoSQL): Grondige kennis van relationele en niet-relationele databases (SQL en NoSQL), waaronder PostGres, Mysql, Milvus, Neo4J, …
• ML MLOps: Aantoonbare ervaring met het uitrollen van ML-modellen en expertise in MLOps.
• Focus op big data: ervaring in het werken met grote gestructureerde en ongestructureerde datasets.
• Containerisatie en deployment: Ervaring met Docker en Kubernetes, evenals met orkestratie-tools zoals Kubeflow. Kennis van ML-pipelines (Kubeflow, MLflow, SageMaker, …)
• CI/CD voor ML: Beheersing van de implementatie van CI/CD voor ML-modellen en bijhorende code.
• Data Storage: Ervaring met verschillende oplossingen voor dataopslag (data lakes, data warehouse, object storage (S3))
• System architecture: Vermogen om een end-to-end ML-systeem te ontwerpen rekening houdend met schaalbaarheid, robuustheid, onderhoud en hardware.

Hard Skill

• Databases: MySQL, PostgreSQL, Neo4j, Milvus
• AI Framework: huggingface, mlflow, PyTorch, tensorflow, sklearn, OpenCV, vllm
• Programmeertalen: Python (R is een pluspunt)
• Orchestration en containerisatie: Docker, Kubernetes, Kubeflow
• Software engineering: uv, ruff, black
• Cloud Platforms: Azure, AWS
• Versioning (code en modellen): MlFlow, Git, Github, Gitlab

Talen

Talenkennis: Je beheerst minstens het Engels en één van de twee landstalen (NL/FR).

Soft Skills

• Vermogen om te verbinden: Profielen met verschillende achtergronden kunnen aligneren rond een gemeenschappelijk doel.
• Prioriteiten stellen: Kritische taken identificeren om doelstellingen te bereiken, een langetermijnvisie behouden om volgende stappen te anticiperen, en het werk reorganiseren op basis van onvoorziene omstandigheden of nieuwe elementen die zich voordoen tijdens het project.
• Duidelijke en spontane communicatie: Vlot kunnen communiceren, de juiste boodschap op het juiste moment en op het juiste niveau overbrengen. In staat zijn om technische concepten uit te leggen aan niet-technici.
• Probleemoplossend denken en analytisch vermogen: Problemen gestructureerd aanpakken, de onderliggende oorzaken identificeren en pragmatische en doeltreffende oplossingen voorstellen. In staat zijn om afstand te nemen om verschillende scenario's te evalueren en de meest geschikte oplossing voor de context te kiezen.
• Samenwerking: Constructief samenwerken met alle stakeholders, uitwisseling en co-creatie van oplossingen bevorderen. Luisteren naar de behoeften en beperkingen van alle partijen om een positieve en productieve werksfeer te stimuleren.
• Aandacht voor detail: Oog hebben voor technische, functionele en organisatorische aspecten van projecten. Waken over de kwaliteit van de code, de robuustheid van de modellen, de conformiteit van de deliverables en het naleven van de standaarden van de organisatie.
• Nauwkeurigheid: Systematisch de best practices en methodologieën toepassen, het werk nauwkeurig documenteren en een constante opvolging van de voortgang van projecten waarborgen met respect voor deadlines en kwaliteitsvereisten.