Freelance Dev Ops Engineer C opdracht

Bij Rabobank draag je als AI Engineer bij aan de doorontwikkeling van een strategisch AI-platform, specifiek het Retrieval-Augmented Generation (RAG)-systeem. In deze rol ben je verantwoordelijk voor het verbeteren van de kwaliteit, nauwkeurigheid en effectiviteit van het systeem, waarbij je werkt op het snijvlak van Information Retrieval, Data Science en Software Engineering. Je identificeert verbeterpunten, ontwerpt experimenten en vertaalt inzichten naar meetbare resultaten in productie. Daarnaast onderzoek je kwaliteitsverschillen in antwoorden, optimaliseert geautomatiseerde evaluatieframeworks, voert grootschalige experimenten uit met verschillende chunking- en embeddingstrategieën, en bouwt feedback loops om zwakke plekken te elimineren. Je werkt nauw samen met Software Engineers, Platform Engineers en Data Scientists in een multidisciplinaire omgeving. De rol is hands-on en vereist een analytische instelling met focus op robuuste, schaalbare AI-oplossingen. Je werkt op locatie in Utrecht, met een startdatum op 27-10-2026. De opdracht heeft een omvang van 36 uur per week. Voor deze rol worden de volgende eisen gesteld: een masterdiploma of gelijkwaardig niveau in Data Science, Artificial Intelligence, Computer Science, Mathematics, Statistics of een verwant vakgebied, minimaal 3 jaar relevante ervaring in machine learning, toegepaste AI of data science, aantoonbare ervaring met het verbeteren van productieklare RAG-systemen of geavanceerde retrieval-gebaseerde AI-oplossingen, ervaring met het ontwerpen van evaluatiemethoden en kwaliteitsmetrieken, een bewezen track record van het omzetten van analyses in geautomatiseerde productieoplossingen, ervaring met grote datasets en complexe gedistribueerde omgevingen, en de vaardigheid om bevindingen en aanbevelingen te communiceren naar zowel technische als niet-technische stakeholders. Vereiste technische vaardigheden zijn onder meer: Retrieval-Augmented Generation (RAG), Large Language Models (LLMs), Python, Databricks, evaluatieframeworks voor GenAI-systemen, embeddingmodellen, promptoptimalisatie, datapijplijnen en workflowautomatisering, CI/CD-praktijken, Azure en ervaring met het fijn afstellen van taalmodellen, ranking- en retrievalsystemen, AI-observatie en monitoring, grootschalige productie-AI-platforms, en kennis van synthetische evaluatiedatasets en benchmarkcreatie.