Position
Senior Machine Learning Ops Engineer
Role summary
You will own the end-to-end deployment lifecycle for AI services, working across platform and data science teams to productionalise GenAI and agentic workloads, ensure reliability in production, and design infrastructure for LLM-based applications.
Key responsibilities
- Own CI/CD pipelines and containerized deployments across DEV/UAT/PROD.
- Design and maintain infrastructure for LLM-based and agentic AI applications, including container orchestration and API serving layers.
- Integrate solutions with Azure AI Services.
- Implement observability for LLM workloads (tracing, structured logging, monitoring for latency, token usage, cost).
- Act as the technical bridge between data scientists and the platform team; participate in brainstorming and design sessions.
Working with
Collaborate with the Model Factory (platform) team and the Data Science team, supporting use cases such as retention strategy recommendations, portfolio simulation and forecasting, and AI-powered acceptance strategy simulations.
Required experience & skills
- Experience orchestrating data pipelines and ML model pipelines.
- Experience with MLOps best practices and productionalising AI products.
- Proficient in Python and Bash; preferably with experience working alongside data science teams.
- Experience with data engineering tooling, preferably on Azure Databricks.
- Experience with Azure AI Services (e.g., Azure OpenAI Service, Azure Document Intelligence, Azure AI Search).
- Experience with Azure DevOps CI/CD pipelines for containerized deployments across environments.
- Observability expertise for LLM-based workloads (tracing, structured logging, monitoring of latency, token usage, cost).
Nice to have
- Experience defining a ‘gold standard’/blueprint or way of working for ML models.
- Experience implementing feature stores.
- Experience in the banking sector.
- Knowledge of Kubernetes and Docker.
- Experience with LangGraph or LangChain.
- Familiarity with supporting services such as PostgreSQL and Redis (for state management and checkpointing).
Language
English and Dutch mandatory
Eisen
- Docker
- LangGraph
- PostgreSQL
Hoe werkt het sollicitatieproces?
Solliciteer direct
Vul je gegevens in via het formulier hieronder. Duurt minder dan 2 minuten — geen account vereist.
Analyse binnen 1–2 werkdagen
Een van onze recruiters beoordeelt je geschiktheid kritisch en neemt persoonlijk contact op — via WhatsApp, telefonisch of e-mail, wat jij prefereert.
Aanbieding op maat
In samenspraak met jou maken wij de aanbieding in orde. Wij beheren het aanbiedingsproces en begeleiden je waar nodig.
Aan de slag
Wij blijven beschikbaar voor vragen en ondersteuning — ook na plaatsing. Transparant, persoonlijk en zonder verrassingen.
Veelgestelde vragen
Hoe werkt de beloning bij detachering via Jobhob?
Bij detacheringsopdrachten hanteert Jobhob een marktconforme cao die aansluit op het aanbod van de opdrachtgever. Je wordt vooraf geïnformeerd over alle voorwaarden — geen verborgen kosten.
Hoe snel hoor ik iets na mijn sollicitatie?
Binnen 1 tot 2 werkdagen neemt een Jobhob-recruiter persoonlijk contact met je op. We doen eerst een kritische analyse op geschiktheid en geven je altijd eerlijke feedback — ook als we je op dit moment niet verder kunnen helpen.
Via welk kanaal neemt Jobhob contact met mij op?
Alle correspondentie verloopt persoonlijk via het kanaal dat jij prefereert: WhatsApp, telefonisch of e-mail. Je geeft je voorkeur op bij je sollicitatie.
Kan ik solliciteren als ik niet zeker weet of ik geschikt ben?
Ja, zeker. Onze recruiter doet de kritische analyse op geschiktheid. Twijfel je? Solliciteer gewoon — wij laten je weten of er een match is en bespreken eventueel alternatieven met je.