Ik train een ml-model en zet het in productie met docker, AWS, fastapi
SENIOR FULL STACK AI ENGINEER
Niveau 2
Voldoet aan hoge prestatiecriteria en heeft een bewezen staat van dienst in het voldoen aan de verwachtingen van de klant.
Over deze dienst
Heb je je ML-model getraind maar loop je vast bij het live krijgen en betrouwbaar maken? Ik zet je getrainde model om in een productie-API met monitoring, CI/CD en cloud deployment zodat het schaalt zonder te breken.
Wat ik lever:
FastAPI of Flask REST API die je getrainde model omhult
Dockerized service, schoon, draagbaar, reproduceerbaar
Cloud deployment op AWS (EC2, SageMaker, Lambda) of Railway/GCP
CI/CD pipeline met GitHub Actions voor automatische deployment bij push
Monitoring setup met CloudWatch, Prometheus + Grafana, of Evidently AI
Input validatie, foutafhandeling, logging en health checks
Load testing en prestatieoptimalisatie
Waarom ik: De meeste ML engineers kunnen modellen trainen. Weinig kunnen ze betrouwbaar in productie brengen. Ik specialiseer me in de train-to-production gap, schone APIs, geautomatiseerde pipelines en infrastructuur die je niet wakker maakt om 3 uur 's nachts. Level 2 verkoper met ervaring in production MLOps op AWS.
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Mijn model staat in een Jupyter notebook. Kan je het toch inzetten?
Ja, dat is eigenlijk het meest voorkomende scenario. Ik refactor je notebook naar een schone, modulaire codebase, wrap het in een API en zet het in productie. Deel gewoon de notebook en ik regel de rest.
Neem je model monitoring op voor data drift?
Het Premium pakket bevat monitoring setup. Voor data drift specifiek (met Evidently AI of WhyLabs) kan ik het als extra toevoegen aan het Standard pakket. Vermeld het gewoon bij het bestellen.
