Als Test Lead Engineer met een sterke focus op data science en Python omgevingen ben je verantwoordelijk voor het verhogen van de testvolwassenheid en kwaliteitsborging binnen data gedreven oplossingen. De opdracht start met het uitvoeren van een gedegen analyse van de huidige stand van zaken en het bepalen van concrete, uitvoerbare vervolgstappen.
Je opereert in complexe data intensieve omgevingen waarin data science, analytics en machine learning centraal staan. Je werkt nauw samen met data scientists, ML engineers, DevOps teams en stakeholders om built in quality en shift left testing te realiseren. Daarbij heb je aandacht voor datakwaliteit, modelbetrouwbaarheid, reproduceerbaarheid, performance, security en compliance (o.a. AVG, NIS2). De rol combineert inhoudelijke diepgang met coaching en richting geven. Je begeleidt teams in het verbeteren van hun testaanpak volgens het principe: zelf doen samen doen laten doen, met als doel duurzame kwaliteitsverbetering.
Opdracht en doelstelling
De kern van de opdracht is het in kaart brengen van de huidige situatie rondom testen en kwaliteit binnen de data science- en Python omgeving, en het vertalen van deze analyse naar concrete en geprioriteerde vervolgstappen. Je voert een nulmeting uit op het gebied van teststrategie, testautomatisering, tooling, processen en samenwerking tussen teams. Op basis hiervan formuleer je een praktisch verbeterplan met duidelijke aanbevelingen, quick wins en een roadmap voor verdere professionalisering.
De opdracht start nadrukkelijk met analyseren en adviseren, en ontwikkelt zich vervolgens richting implementeren, coachen en borgen.
Belangrijkste verantwoordelijkheden
- Uitvoeren van een grondige analyse van de huidige testvolwassenheid binnen data science- en Python teams.
- Ontwerpen en expliciteren van een overkoepelende teststrategie voor data science pipelines en machine learning workflows.
- Bepalen en prioriteren van concrete vervolgstappen op basis van risico, impact en haalbaarheid.
- Opzetten en verbeteren van testautomatisering in Python, waaronder:
- validatie van datasets en features
- testen van data transformaties en businessregels
- verificatie van ML modellen (performance, bias, reproduceerbaarheid).
- Inrichten van quality gates binnen CI/CD- en MLOps pipelines voor data science workloads.
- Adviseren over risico's, kwaliteitsborging en modelbetrouwbaarheid binnen data en AI toepassingen.
- Monitoren en rapporteren van testresultaten, datakwaliteit en modelperformance.
- Coachen en begeleiden van teams in data- en ML testing best practices.