Data Scientist

Voor het Ministerie van Defensie zijn wij op zoek naar een Data Scientist.

Omschrijving opdracht:
In dit project wordt een prototype gemaakt dat aantoont hoe bewaken en beveiligen effectiever en efficiënter ingericht kan worden door de inzet van beeldanalyse en VR/AR. Dit prototype bevat de volgende functionaliteiten:
- het weergeven van een straatbeeld in 3D in VR/AR
- het koppelen van 2D-camerabeelden aan de 3D omgeving, waardoor voertuigen en voetgangers als anonieme avatars in de 3D-omgeving geprojecteerd kunnen worden
- het analyseren van gedrag van de voertuigen en voetgangers.
Het doel van het ontwikkelen van het prototype is het opdoen van kennis over hoe state-of-the-art beeldtechnologie kan bijdragen aan beveiligingsconcepten. Het prototype is zeer experimenteel van aard, dus de kans bestaat dat bepaalde onderdelen van het prototype niet succesvol zullen zijn.
De planning is dat het resultaat 1,5 jaar na start van de ingehuurde resources afgerond is. Iedere 3 maanden worden er deelresultaten opgeleverd. We delen het project op in vier fases. Per fase beschrijven we concrete opeenvolgende deelproducten.

De werkzaamheden van de data scientist zitten vooral in fase 2, 3, en 4, namelijk:
• Onderzoek doen naar bestaande statistische methodes (van simpele statistiek tot complexe machine learning) voor het detecteren van afwijkingen op basis van videobeelden
• Prioritering maken van analyses (i.e. welke analyses zijn operationeel het meest relevant en technisch haalbaar?)
• Implementeren van de gekozen methode(s)
• Waar nodig: het samenstellen van training- en test-set
• Ontwerpen van een evaluatiemethode
• Waar nodig: het (bij)trainen van algoritmes
• Evalueren, en op basis hiervan verder ontwikkelen/bijtrainen

Omschrijving opdrachtgever:
Koninklijke Marechaussee: De Koninklijke Marechaussee (Kmar) waakt over de veiligheid van de Staat. In Nederland en ver daarbuiten. Ze wordt wereldwijd ingezet op plaatsen van strategisch belang. Van de Koninklijke paleizen tot aan de buitengrenzen van Europa. Van luchthavens in Nederland tot oorlogs- en crisisgebieden overal ter wereld. De KMar is veelzijdig inzetbaar voor veiligheid, juist als het erop aankomt. De KMar bestaat uit een staf, eigen opleidingscentrum en een Landelijk Tactisch Commando (LTC). De staf ondersteunt de Commandant Koninklijke Marechaussee met de uitvoering van zijn taken. De brigades voeren alle operationele taken uit van de marechaussee. De brigades maken deel uit van het LTC. Deze opdracht is geformuleerd vanuit het team Deep Vision, wat onderdeel is van het cluster informatievoorziening (IV) van de staf. Het team Deep Vision werkt aan het opbouwen van kennis en het experimenten met technologie op het gebied van data science, kunstmatige intelligentie, en robotica.

Omschrijving achtergrond opdracht:
Vanuit het Nationaal Coördinator Terrorismebestrijding en Veiligheid (NCTV) is een kenniscentrum Bewaken&Beveiligen (KCBB) opgericht. De aangesloten partijen bij dit kenniscentrum zijn het NCTV zelf, de politie, de KMar, en DITSS. Het platform is bedoeld om samenwerking op het vlak van technologische IT-innovatie te bevorderen specifiek voor het domein bewaken&beveiligen. Elke aangesloten partij draait eigen projecten waarvoor een jaarlijks budget beschikbaar wordt gemaakt vanuit het NCTV. Het project vanuit de KMar wordt geïnitieerd vanuit staf KMar, cluster Informatie Voorziening, team Deep Vision. Het doel van dit project is om inzicht te krijgen in de toepassing van slimme analyse van databronnen zoals camerabeelden (of data afkomstig van andere sensoren) in het kader van beveiliging. De focus van de analyse ligt op het onderkennen van verdachte bewegingen in de omgeving van een te-beschermen object. Het resultaat van dit project is een prototype wat partners in het veiligheidsdomein (i.e. NCTV, politie, Mar). de mogelijkheid geeft om te experimenteren met slimme sensoren ter ondersteuning van beveiliging. De kwaliteit en bruikbaarheid van het prototype zal gemonitord worden in samenwerking met gebruikers aan de hand van (fysieke) simulaties van operationele scenario's. De kandidaat zal het grootste deel van bovengenoemd project uitvoeren. De kandidaat gaat deel uitmaken van het team Deep Vision van de KMar, en zal tegelijkertijd veel samenwerken met onze collega's van de politie. De standplaats is in principe de Frederikkazerne in Den Haag maar werken op andere locaties (inclusief thuis) kan waar de werkzaamheden dat toelaten. Werktijden zijn flexibel in te richten.

Inzet Periode:
Schatting 1410 uur met optie op verlenging, zonder afnameverplichting. Indien het uurtarief dit toelaat, kan het aantal uur meer of minder worden. 1410 uur is slechts indicatief.
De maximale duur van de Overeenkomst zal 4 jaar zijn.
Wanneer er sprake is van een project, loopt de Overeenkomst van rechtswege af als de projectactiviteiten voor het desbetreffend project zijn geëindigd.

Screeningsniveau:
Alvorens te kunnen starten met de werkzaamheden dient de kandidaat in het bezit te zijn van een Verklaring van Geen Bezwaar (VGB) van de Militaire Inlichtingen- en Veiligheids Dienst (MIVD) op het niveau B.

Uitgangspunten Wet DBA:
Het betreft in deze aanvraag regulier werk waarvan de uitvoering plaatsvindt onder toezicht en leiding van een medewerker van Defensie (projectleider/behoeftesteller).
De uitvoering gebeurt op basis van inspanningsverplichting en is hoogstwaarschijnlijk langdurig van aard.

1. Minimaal 5 jaar relevante werkervaring (na het behalen van Master) (Relevant is bijvoorbeeld: Als Solution Architect/ Data Scientist/Machine learning specialist/Data analist).
2. Minimaal 24 uur per week beschikbaar.
3. Minimaal een afgeronde hbo-opleiding.

1. Ervaring met gedragsherkenning of anomaly detection.
2. Kennis en ervaring met deep learning technieken (bijv. CNN's, RNN's, Capsnets, Transformers).
3. Ervaring met software ontwikkeltools/-omgevingen zoals Linux, docker, git, en CI/CD Pipelines.
4. Kennis en ervaring met training- en inference omgevingen voor deep learning, zoals Triton, TensorRT, Tensorflow, of PyTorch.
5. Ervaring met het maken van realtime beeldverwerkingssoftware in C of C++ (bij voorkeur op basis van gstreamer).
6. Affiniteit met het gebruik van verschillende soorten sensoren (camera’s, microfoons, bewegingssensors, etc.) Deze wens wordt als volgt gemeten aan de hand van opgegeven interesses en eigen projectjes m.b.t. sensoren in de vrije tijd of tijdens studies.
7. Kennis van en/of ervaring met traditionele computer vision-technieken (zoals optical flow, edge detection, pre-processing van afbeeldingen, filters, etc.).
8. Technische hbo of wo master opleiding in AI, Computer Science, Data Science of gerelateerd beta-vakgebied.

Locatie: Den Haag, Frederikkazerne, Plein Kalvermarkt Complex en Offsite
Startdatum: zsm na screening ca. 3 maanden
Duur: 1410 uur
Optie op verlenging: ja
Inzet: 24 uur per week
Tarief: marktconform
Sluitingsdatum: 26-08-2022
Sluitingstijd: 09:00
Intakegesprek: n.t.b.

- CV in "Word-formaat" geschreven in de taal van de uitvraag;
- Motivatie geschreven in de "ik-vorm", waarin u zowel kort en bondig ingaat op de scope van de opdracht als puntsgewijs uw aansluiting op de eisen en wensen toelicht;
- Uw beschikbaarheid (per wanneer, aantal uren per week en vakantieplannen);
- Uw uurtarief specifiek voor de onderhavige aanvraag (inclusief reis- en verblijfskosten en excl. BTW).

N.B.
- Bij het ontvangen van uw reactie gaan wij er vanuit dat uw aanbieding voor deze aanvraag exclusief is. Hiermee wordt voorkomen dat uw aanbieding meerdere malen bij dezelfde opdrachtgever voor deze aanvraag wordt ingediend.
- Aangezien de functie eisen knock-out criteria zijn, en de functiewensen de gunningscriteria zijn, dient uw aansluiting hierop dan ook goed afleesbaar in uw cv te zijn opgenomen. Dit verhoogt namelijk een succesvollere behandeling van de aanbieding.
- Tijdens het selectieproces wordt u op de hoogte gehouden van de voortgang. Mocht u vragen hebben, dan staan wij u graag te woord.