Freelance Data Scientist opdracht

Binnen het Data Science Forecasting-team van een onbekende opdrachtgever werk je aan het verbeteren van korte-termijnvoorspellingen van de netbelasting door het implementeren van het OpenSTEF-model voor 23.000 LS-transformatorpunten. Je analyseert de huidige forecastkwaliteit, selecteert locaties, horizons en situaties met verbeterpotentieel, en voert backtesting en benchmarking uit ten opzichte van bestaande referentiemodellen. Hierbij gebruik je passende kwaliteitsmetrics en segmentatie. Je verbetert forecasts voor onder meer flatlines, pieken, ontbrekende waarden en onvoorspelbare assets, experimenteert met modelselectie, ensembles, kalibratie en betrouwbaarheidsintervallen, en verkent foundation-model-capabilities wanneer toepasbaar. Succesvolle experimenten vertaal je naar onderhoudbare Python-code en ontwikkel je tests, configuratie en reproduceerbare pipelines. Daarnaast verbeter je monitoring op forecastkwaliteit, datakwaliteit en modelgedrag, draag je bij aan het OpenSTEF-open-sourceproject waar relevant, en documenteer je keuzes, resultaten en vervolgstappen helder. Je deelt kennis met data scientists, machine-learning engineers en stakeholders, waarbij de voorspellingen ondersteuning bieden aan capaciteitsmanagement en netveiligheidsanalyses. Voor eind Q2 2027 moet de inhoudelijke kwaliteit van de voorspellingen verbeterd zijn. De opdracht is voor 40 uur per week en duurt zes maanden. Locatie is onbekend (op locatie).