Wat doet een MLOps Engineer?

Een MLOps Engineer is een IT-specialist die zich richt op het ontwikkelen, uitrollen, beheren en monitoren van machine learning-modellen. MLOps staat voor Machine Learning Operations en combineert werkwijzen uit machine learning, software development en DevOps.

Een Data Scientist kan bijvoorbeeld een model ontwikkelen dat voorspelt welke klanten waarschijnlijk hun abonnement gaan opzeggen. Voordat een organisatie zo'n model dagelijks kan gebruiken, moet er nog veel gebeuren. Het model moet beschikbaar worden gemaakt in een productieomgeving, nieuwe data kunnen verwerken en gecontroleerd worden op prestaties.

Als MLOps Engineer richt jij de technische omgeving en processen hiervoor in. Je werkt daarbij vaak samen met Data Scientists, Machine Learning Engineers, Data Engineers, Software Developers en DevOps Engineers.

Als MLOps Engineer zorg je ervoor dat machine learning modellen betrouwbaar in productie kunnen worden gebruikt. Je automatiseert zoveel mogelijk stappen tussen het ontwikkelen van een model en het dagelijks gebruiken ervan. Veelvoorkomende werkzaamheden van een MLOps Engineer zijn:

• Machine learning modellen naar productie brengen
• ML-pipelines ontwikkelen en automatiseren
• CI/CD-processen voor machine learning inrichten
• Modellen en modelprestaties monitoren
• Verschillende versies van modellen, code en data beheren
• Cloudomgevingen inrichten en beheren
• Infrastructuur automatiseren
• Technische problemen onderzoeken en oplossen
• Zorgen dat modellen opnieuw kunnen worden getraind met nieuwe data
• Samenwerken met data-, AI-, development- en DevOps-teams

Stel dat een webshop een machine learning model gebruikt om te voorspellen welke producten een klant waarschijnlijk interessant vindt. Het model is getraind met historische gegevens, maar iedere dag komt er nieuwe data bij. Als MLOps Engineer zorg je ervoor dat deze data op de juiste manier wordt verwerkt, het model opnieuw kan worden getraind en nieuwe versies gecontroleerd naar productie kunnen worden gebracht.

Daarnaast houd je de prestaties in de gaten. Een model dat vandaag goede voorspellingen doet, hoeft over een jaar namelijk niet meer even goed te werken. Verandert het gedrag van klanten? Dan kan de kwaliteit van de voorspellingen afnemen. Een MLOps Engineer helpt om dit op tijd te signaleren.

MLOps is een technische functie waarvoor je kennis uit verschillende IT-vakgebieden combineert. Je moet begrijpen hoe machine learning werkt, maar ook weten hoe je software en infrastructuur beheert.

Programmeerkennis is daarom belangrijk. Python wordt veel gebruikt binnen machine learning en MLOps. Daarnaast krijg je vaak te maken met Git, CI/CD, containers en cloudplatforms. Afhankelijk van de organisatie kun je werken met technieken en tools zoals:

• Python
• Git
• Docker
• Kubernetes
• CI/CD
• Microsoft Azure, AWS of Google Cloud
• Infrastructure as Code
• Databases en data pipelines
• Machine learning platforms
• Monitoring- en loggingtools

Naast technische kennis zijn persoonlijke vaardigheden belangrijk. Je werkt namelijk met verschillende specialisten aan dezelfde oplossing. Analytisch denken, samenwerken en problemen kunnen oplossen helpen je daarom dagelijks in je werk.

Ook moet je nieuwsgierig blijven. Machine learning en AI ontwikkelen zich snel en daarmee veranderen ook de technieken en tools waarmee MLOps Engineers werken.

Er bestaat niet één specifieke opleiding tot MLOps Engineer. Verschillende technische hbo- en wo-opleidingen bieden een goede basis. Denk bijvoorbeeld aan:

• Informatica
• ICT
• Artificial Intelligence
• Data Science
• Technische Informatica
• Software Engineering

MLOps is bovendien een vakgebied waarin verschillende IT-disciplines samenkomen. Daardoor kun je ook vanuit een andere functie doorgroeien naar MLOps. Denk aan een DevOps Engineer, Data Engineer, Machine Learning Engineer of Software Developer die zich verder specialiseert in machine learning en AI. Welke route je ook kiest, kennis van programmeren, cloud, automatisering en machine learning vormt een goede basis voor het werk.

MLOps en DevOps hebben veel overeenkomsten. Beide vakgebieden richten zich onder andere op automatisering, deployment, monitoring en samenwerking tussen verschillende technische teams. Het verschil zit vooral in wat je ontwikkelt en beheert.

Een DevOps Engineer richt zich voornamelijk op softwareapplicaties en de infrastructuur waarop deze draaien. Je automatiseert bijvoorbeeld het testen en uitrollen van nieuwe softwareversies. Een MLOps Engineer past vergelijkbare principes toe op machine learning. Daarbij krijg je niet alleen te maken met code en infrastructuur, maar ook met data, modellen, modeltraining en veranderende modelprestaties.

Een machine learning model kan bijvoorbeeld minder nauwkeurig worden doordat de data in de loop van de tijd verandert. Daarom moet een MLOps Engineer niet alleen controleren of een toepassing technisch beschikbaar is, maar ook of het model nog naar behoren presteert. MLOps kun je daarmee zien als een specialisatie waarin principes uit DevOps worden toegepast op machine learning.

Het salaris van een MLOps Engineer hangt af van je ervaring, technische kennis, opleidingsniveau en werkgever. Ook je kennis van machine learning, cloudplatforms en DevOps-technieken kan invloed hebben op je salaris. Als indicatie kun je rekening houden met de volgende bruto maandsalarissen op basis van een fulltime dienstverband:

• Junior MLOps Engineer: ongeveer € 3.000 tot € 4.000 bruto per maand;
• Medior MLOps Engineer: ongeveer € 4.000 tot € 5.500 bruto per maand;
• Senior MLOps Engineer: ongeveer € 5.500 tot € 7.000 bruto per maand.

Dit zijn indicaties. Het daadwerkelijke salaris kan hoger of lager uitvallen. Ervaring met bijvoorbeeld Azure, AWS, Kubernetes, CI/CD en machine learning-platforms kan van invloed zijn op je salaris.

Wil je MLOps Engineer worden? Dan is het slim om eerst een brede technische basis op te bouwen. Kennis van programmeren, cloud, DevOps en machine learning komt allemaal samen binnen deze functie.

Je kunt bijvoorbeeld beginnen als Software Developer, Data Engineer of DevOps Engineer en je vervolgens verder specialiseren in machine learning. Ook vanuit een opleiding in Artificial Intelligence of Data Science kun je richting MLOps groeien door meer kennis op te doen van cloud, infrastructuur en software development.

Bij Working Talent zijn er mogelijkheden voor verschillende ervaringsniveaus. Je kunt starten als trainee of junior, maar ook als medior of senior MLOps Engineer aan de slag. Als starter kun je via een IT-traineeship relevante kennis en praktijkervaring opdoen. Heb je al ervaring? Dan kijken we naar een functie en opdrachtgever die aansluiten bij jouw kennis, ervaring en ambities.

In iedere fase staat jouw ontwikkeling centraal. Je krijgt persoonlijke begeleiding en de mogelijkheid om je technische en persoonlijke vaardigheden verder te ontwikkelen.