Dutch flag

Machine Learning Engineer CV-voorbeeld

Nederlands

Bekijk hoe een professioneel CV van een ML engineer modelontwikkeling, implementatiepijplijnen en productie-ML-systemen benadrukt. Pas dit voorbeeld aan uw eigen achtergrond aan.

Begin met het bouwen van uw CV

CV-voorbeeld

Sander Bakker - Profielfoto

Sander Bakker

Senior Machine Learning Engineer

[email protected]+31 6 24 81 09 53Stadhouderskade 55, 1072 AB Amsterdam, NederlandRijbewijs categorie B

Professioneel Profiel

Senior machine learning engineer met 7 jaar ervaring in het bouwen en implementeren van productie-ML-systemen op schaal. Gespecialiseerd in NLP, aanbevelingssystemen en deep learning-architecturen, met modellen die dagelijks meer dan 10 miljoen voorspellingen leveren met een latentie onder 100 ms. Publiceerde 3 artikelen op toonaangevende ML-conferenties, waaronder NeurIPS en ICML. Gepassioneerd om de kloof tussen onderzoek en productie te overbruggen, met praktische expertise in MLOps, gedistribueerde training en realtime inferentie-optimalisatie.

Werkervaring

Senior Machine Learning Engineer

Adyen

jun. 2022 – heden

  • Bouwde een aanbevelingsmotor die dagelijks meer dan 10 miljoen voorspellingen levert met 99,5% beschikbaarheid en een P99-latentie onder 80 ms
  • Ontwikkelde een end-to-end ML-pijplijn van data-inname tot modelimplementatie met Kubeflow en MLflow, waardoor de implementatietijd van 2 weken naar 3 uur werd teruggebracht
  • Verbeterde de doorklikratio met 25% via A/B-geteste wijzigingen in de modelarchitectuur over 4 productoppervlakken
  • Ontwierp en implementeerde een feature store die meer dan 500 features levert aan 12 productiemodellen, waardoor duplicatie in feature engineering met 70% afnam
  • Begeleidde 3 junior ML engineers en zette een modelreviewproces op dat door het hele ML-platformteam werd overgenomen

Machine Learning Engineer

Booking.com

aug. 2019 – mei 2022

  • Verfijnde BERT- en GPT-2-modellen voor documentclassificatie met 97% nauwkeurigheid op productiedatasets in 15 talen
  • Bouwde een realtime tekstanalysepijplijn die dagelijks 500.000 documenten verwerkt met Spark en Kafka met een end-to-end latentie onder 200 ms
  • Verkortte de modeltrainingstijd met 60% door gedistribueerde training op GPU-clusters met Horovod en PyTorch DDP
  • Implementeerde een systeem voor modelmonitoring en driftdetectie dat automatische hertraining activeerde, waardoor de modelnauwkeurigheid boven de 95% SLA bleef

Machine Learning Engineer

TomTom

jul. 2017 – jul. 2019

  • Ontwikkelde een beeldclassificatiemodel met 94% nauwkeurigheid voor contenttagging, dat meer dan 3 miljoen assets verwerkte en de handmatige beoordeling met 65% verminderde
  • Creëerde een data-augmentatiepijplijn die de trainingsdataset 5x vergrootte met technieken zoals CutMix, MixUp en synthetische generatie
  • Publiceerde een onderzoeksartikel over transfer learning-methoden op een ICML-workshop, met meer dan 50 citaties binnen het eerste jaar
  • Bouwde een interactief dashboard voor modeluitlegbaarheid met SHAP en LIME, waardoor niet-technische stakeholders voorspellingen konden interpreteren

Opleiding

M.Sc. Computerwetenschappen (Machine Learning)

Technische Universiteit Delft

2015 - 2017

Specialisatie in machine learning en deep learning-systemen.

B.Sc. Computerwetenschappen

Universiteit van Amsterdam

2011 - 2015

Focus op algoritmen, statistiek en gedistribueerde systemen.

Cursussen & Certificeringen

AWS Certified Machine Learning - Specialty

Amazon Web Services

2023

Certificerings-ID: AWS-MLS-2023-58104

TensorFlow Developer Certificate

Google

2021

Professionele certificering in het bouwen en trainen van TensorFlow-modellen.

Professional Education AI-programma

Jheronimus Academy of Data Science (JADS)

2020

Nascholingsprogramma over toegepaste machine learning en datagedreven engineering.

Talen

Nederlands

Spreken: MoedertaalLuisteren: MoedertaalSchrijven: Moedertaal

Engels

Spreken: VloeiendLuisteren: VloeiendSchrijven: Vloeiend

Duits

Spreken: GevorderdLuisteren: GevorderdSchrijven: Gevorderd

Vaardigheden

PythonPyTorchTensorFlowScikit-learnKubeflowMLflowSparkSQLDockerAWS SageMakerNLPDeep Learning

Dit is een voorbeeld-CV. Pas het aan met uw eigen ervaring met behulp van onze gratis CV-builder.

CV-tips

Toon productie-ML, niet alleen notebooks

Bedrijven willen engineers die modellen implementeren, niet alleen trainen. Benadruk model serving, latentiemetrieken, monitoring en MLOps-pijplijnervaring.

Vermeld modelprestatiemetrieken

Nauwkeurigheid, F1, AUC-ROC, latentie en doorvoercijfers tonen dat uw modellen op schaal werken. 'P99-latentie onder 80 ms bij 10 miljoen voorspellingen per dag' is krachtig.

Vermeld de volledige ML-levenscyclus

Dataverzameling, feature engineering, modeltraining, evaluatie, implementatie, monitoring. Toon dat u de complete pijplijn begrijpt, niet alleen de modelleerstap.

Vermeld publicaties en open source

ML-engineering waardeert onderzoeksbijdragen. Heeft u artikelen, conferentiepresentaties of belangrijke open-sourcebijdragen, vermeld deze dan prominent.

Belangrijke vaardigheden

PythonPyTorch/TensorFlowML-pijplijnontwikkelingModelimplementatieMLOps (Kubeflow/MLflow)NLP/Computer VisionDeep LearningGedistribueerde trainingFeature-engineeringA/B-testenAWS SageMakerData-engineering

Hoe schrijf je een CV voor machine learning engineer?

Een sterk ML engineer-CV bewijst dat je modellen niet alleen kunt trainen, maar ook betrouwbaar in productie kunt brengen. Onderstaande stappen laten zien waar recruiters en ATS-systemen op scannen, van de samenvatting tot de laatste regel opleiding.

1

Schrijf een samenvatting met stack en één productiecijfer

Noem je senioriteitsniveau, domein (NLP, recommender systems, computer vision) en kernstack, gevolgd door één concreet productiecijfer, bijvoorbeeld 'modellen die dagelijks 2 miljoen voorspellingen leveren bij een P95-latentie onder 50 ms'. Ben je starter, vervang dit door je sterkste project, Kaggle-resultaat of GitHub-repo en je opleiding. Twee tot drie zinnen zijn genoeg; recruiters lezen dit eerst.

2

Formuleer werkervaring met gekwantificeerde impact

Elke bullet begint met een actiewerkwoord en eindigt met een meetbaar resultaat: modelverbetering gekoppeld aan een bedrijfscijfer, latentie of kosten van serving, of schaal van de verwerkte data. Voorbeeld: 'Verlaagde inferentiekosten met 40% door modelquantisatie en batchoptimalisatie op 5 miljoen dagelijkse requests.' Vermijd bullets die alleen taken beschrijven zonder resultaat.

3

Groepeer vaardigheden zodat ATS en recruiters ze herkennen

Verdeel je skills in duidelijke clusters: ML-frameworks (PyTorch, TensorFlow, scikit-learn), MLOps & infrastructuur (Docker, Kubernetes, MLflow, Kubeflow), data-engineering (Spark, SQL) en programmeertalen. Spiegel de exacte terminologie uit de vacaturetekst, want ATS-systemen matchen op letterlijke termen. Noem liever vijf tools waar je diepgang in hebt dan twintig oppervlakkige.

4

Toon productiecode, geen losse notebooks

Een GitHub-profiel met gedeployed projecten, een werkende RAG-demo of een API-endpoint weegt zwaarder dan een lijst afgeronde cursussen. Voor onderzoeksgerichte functies tellen publicaties en conferentiebijdragen mee; voor starters tellen Kaggle-noteringen en reproduceerbare repositories met duidelijke README's. Link altijd naar de code, niet alleen naar een beschrijving ervan.

5

Sluit af met opleiding, certificeringen en ATS-check

Vermeld je master of PhD als die relevant is, aangevuld met certificeringen zoals AWS Certified Machine Learning - Specialty of GCP Professional ML Engineer indien behaald. Controleer daarna of je CV in één kolom staat, standaardkoppen gebruikt (Werkervaring, Opleiding, Vaardigheden), als PDF wordt opgeslagen en de sleutelwoorden uit de vacature bevat, zodat het probleemloos door ATS-systemen wordt gelezen.

Voorbeeldsamenvattingen voor je ML engineer-CV

Kopieer een van onderstaande samenvattingen en pas ze aan met je eigen stack, domein en resultaten.

Junior ML engineer / starter zonder werkervaring

Afgestudeerd in Computerwetenschappen met specialisatie machine learning. Bouwde en deployde een aanbevelingssysteem als afstudeerproject met PyTorch en FastAPI, en behaalde een top-5% notering in een Kaggle-competitie voor beeldclassificatie. Vaardig in Python, scikit-learn en Docker, met eerste ervaring in het opzetten van CI/CD-pijplijnen voor modeldeployment. Op zoek naar een eerste rol als ML engineer waarin ik onderzoek naar productie kan brengen.

Senior ML engineer

Senior machine learning engineer met 8 jaar ervaring in fraudedetectie en NLP-systemen bij fintech-bedrijven. Bouwde en onderhield modellen die dagelijks 15 miljoen transacties beoordelen, met een P99-latentie onder 60 ms en een reductie van 35% in gemiste fraudegevallen. Expert in MLOps met Kubeflow, MLflow en Kubernetes, en in het opzetten van geautomatiseerde hertrainingspijplijnen. Begeleidt teams van junior engineers en publiceerde onderzoek op ICML.

Carrièreswitcher naar ML (vanuit software engineering)

Software engineer met 6 jaar ervaring in backend-systemen, recent overgestapt naar machine learning via een postgraduaat AI en zelfstandige projecten. Bracht een sentimentanalysemodel naar productie met TensorFlow en Docker, verwerkt via een Kafka-pijplijn met 100.000 berichten per dag. Combineert sterke engineeringdiscipline (CI/CD, testing, monitoring) met groeiende ML-expertise, en zoekt een rol als ML engineer waarin beide vaardigheden samenkomen.

ATS-sleutelwoorden voor een ML engineer-CV

Spiegel de exacte termen uit de vacaturetekst: zowel ATS-systemen als recruiters scannen hierop bij een eerste selectie.

Machine Learning

Gebruik deze term letterlijk in je functietitel en samenvatting, niet alleen 'AI' of 'data science'.

Python

Noem het als primaire taal en onderbouw het met concrete projecten of pijplijnen die je erin bouwde.

PyTorch

Vermeld het framework waarin je daadwerkelijk modellen traint en deployt, met een voorbeeldproject erbij.

TensorFlow

Noem TensorFlow apart van PyTorch als je met beide werkt; ATS matcht op exacte framework-namen.

MLOps

Gebruik deze term expliciet als je verantwoordelijk was voor deployment, monitoring of hertraining van modellen.

Docker

Vermeld het bij containerisatie van modellen voor deployment, liefst met een concreet resultaat.

Kubernetes

Noem het als je modellen op schaal orkestreert of workloads beheert in productieclusters.

SQL

Onmisbaar voor featurequery's en data-engineering; noem het samen met de datavolumes die je verwerkte.

NLP

Gebruik deze afkorting als je met taalmodellen werkt, aangevuld met concrete toepassingen zoals classificatie of RAG.

AWS SageMaker

Noem het specifieke cloudplatform (SageMaker, Vertex AI of Azure ML) waarmee je daadwerkelijk hebt gewerkt.

Voorbeelden: zwakke versus sterke CV-bullets

Herschrijf vage taakomschrijvingen naar bullets met een actiewerkwoord, genoemde tool en gekwantificeerd productieresultaat.

Modeldeployment en serving

Verantwoordelijk voor het in productie brengen van machine learning modellen.

Deployde een classificatiemodel via Kubernetes en TensorFlow Serving, waarmee 3 miljoen dagelijkse requests worden verwerkt bij een P95-latentie onder 45 ms en 30% lagere servingkosten.

Modelverbetering met bedrijfsimpact

Modellen verbeterd om de nauwkeurigheid te verhogen.

Verhoogde de AUC van het churnvoorspellingsmodel van 0,81 naar 0,89 door feature engineering en hyperparameter-tuning, wat resulteerde in €1,2 miljoen extra behouden jaaromzet.

MLOps-pijplijn en automatische hertraining

Pijplijnen gebouwd voor het trainen van modellen.

Bouwde een geautomatiseerde hertrainingspijplijn met MLflow en Airflow die wekelijks modellen hertraint en valideert, waardoor modeldrift met 80% afnam en handmatige interventie overbodig werd.

Veelgestelde vragen

Wat moet een CV van een machine learning engineer bevatten?

Een CV van een ML engineer moet productie-ML-systemen, modelprestatiemetrieken, ervaring met implementatiepijplijnen en programmeervaardigheden (Python, PyTorch/TensorFlow) benadrukken. Vermeld latentie-, doorvoer- en zakelijke impactcijfers van geïmplementeerde modellen.

Wat is het verschil tussen een CV van een data scientist en een ML engineer?

CV's van ML engineers leggen de nadruk op productiesystemen, implementatie, MLOps en engineeringpraktijken. CV's van data scientists richten zich meer op analyse, experimenten en statistische methoden. ML engineers bouwen systemen; data scientists bouwen modellen.

Heb ik een masterdiploma nodig voor ML-engineering?

Veel ML engineer-functies hebben een voorkeur voor een master of PhD, maar dit is niet altijd vereist. Sterke projectervaring, open-sourcebijdragen en aangetoond vermogen om productie-ML-systemen te implementeren kunnen formele opleiding compenseren.

Kan ik gratis een CV voor een ML engineer maken?

Ja! Met onze gratis CV-builder kunt u een professioneel CV voor een ML engineer maken. Gebruik dit voorbeeld als inspiratie, pas het aan met uw eigen ervaring en download een professionele PDF in enkele minuten. Vacatures vindt u op platforms zoals Indeed Nederland, LinkedIn en Nationale Vacaturebank.

Hoe schrijf ik een CV voor ML engineer zonder werkervaring?

Zet projecten vooraan: een zelf gebouwd en gedeployed model, een Kaggle-notitieboek met een goede ranking, een RAG-toepassing op GitHub. Vermeld je stack, dataset-omvang en behaalde resultaten alsof het werkervaring is. Combineer dit met relevante stages, een afstudeerproject in ML of certificeringen. Met onze gratis builder maak je dit binnen enkele minuten overzichtelijk op één pagina.

Hoe laat ik LLM- en GenAI-ervaring zien op mijn CV?

Wees specifiek: noem fine-tuning van open-source modellen, het bouwen van een RAG-pijplijn met een vectordatabase (bijv. Pinecone, FAISS), prompt-evaluatie of het verlagen van tokenkosten en latentie in productie. Recruiters scannen in 2026 actief op deze termen, dus gebruik ze letterlijk in plaats van vage omschrijvingen als 'AI-ervaring'.

Tellen Kaggle en GitHub-projecten mee als ervaring op een ML-CV?

Zeker, mits ze concreet en gedeployed of reproduceerbaar zijn. Een Kaggle-topnotering, een model achter een API-endpoint of een goed gedocumenteerde repo tonen praktische vaardigheid beter dan een lijst cursussen. Zet ze in een aparte 'Projecten'-sectie met resultaten, gebruikte frameworks en een link, vooral als je nog weinig betaalde werkervaring hebt.

Zijn certificeringen zoals AWS ML Specialty de moeite waard op een ML-CV?

Ze helpen, maar wegen minder zwaar dan aantoonbare productie-ervaring. AWS Certified Machine Learning - Specialty of GCP Professional ML Engineer versterken een CV met sterke projecten, maar vervangen ze niet. Zet certificeringen in een aparte sectie onderaan, niet bovenaan je CV.

Moet mijn ML engineer-CV in het Engels of Nederlands zijn?

Voor ML-functies bij internationale techbedrijven, scale-ups en veel Nederlandse corporates is een Engelstalig CV vaak de veiligste keuze, omdat teams en vacatureteksten meestal Engels zijn. Bij Nederlandse mkb-bedrijven en overheidsgerelateerde functies is een Nederlands CV gepast. Twijfel je, maak dan beide versies met onze gratis builder.

Bouw nu uw CV

Gebruik dit voorbeeld als inspiratie. Pas het aan met uw ervaring en download een professionele PDF in enkele minuten. 100% gratis.

Begin met het bouwen van uw CV

Bekijk dit CV in andere talen

Dit CV-voorbeeld is beschikbaar in 63 talen: