Expertise · MLOps en LLMOps

AI die na de lancering blijft presteren

Een model of AI-toepassing live zetten is het begin. Data verandert, gebruikers stellen andere vragen, aanbieders brengen nieuwe modelversies uit. MLOps zorgt dat je dat ziet, en er beheerst op reageert.

Wat MLOps en LLMOps omvatten

  • Evaluatie als test. Kwaliteitsmetingen draaien in de CI-pipeline, net als gewone tests. Geen release zonder groene evaluatie.
  • Versiebeheer van alles. Modellen, prompts, data en configuratie, zodat je elke uitkomst kunt herleiden en kunt terugdraaien.
  • Monitoring op kwaliteit en kosten. Niet alleen of de service draait, maar of de antwoorden nog kloppen en wat ze kosten.
  • Gecontroleerd uitrollen. Nieuwe versies eerst voor een deel van de gebruikers, met een vergelijking tegen de huidige versie.
Zo ziet dat eruit in code
tests/test_eval.pyPython 3.12
import pytest

pytestmark = pytest.mark.asyncio
CASES = load_cases("eval/questions.jsonl")

# de evaluatieset draait in CI, net als gewone tests
@pytest.mark.parametrize("case", CASES, ids=lambda c: c.id)
async def test_answer_quality(case):
    answer = await assistant.ask(case.question)
    assert case.source_id in answer.sources
    assert judge.score(answer.text, case.expected) >= 0.8

# en de kosten per antwoord bewaken we ook
def test_cost_per_answer():
    assert costs.mean_per_answer(last_run()) < 0.02

Profielen aanvragen

Binnen 48 uur profielen van passende MLOps-engineers

  • Vrijblijvend: je betaalt alleen gewerkte uren
  • Nederlandstalig, uit ons eigen netwerk en zelf getoetst
  • Op locatie, hybride of remote

Indicatief € 106–132 per uur, all-in, excl. btw

Liever bellen? 035-7111 373

Waar wij op selecteren

  1. 01

    Automatiseert

    Handwerk bij een release is voor hen een reden om iets te bouwen.

  2. 02

    Kent ML én infrastructuur

    Begrijpt wat een model nodig heeft, en hoe je dat in Kubernetes of de cloud regelt.

  3. 03

    Meet wat telt

    Kijkt naar de kwaliteit van uitkomsten, niet alleen naar uptime.

Technologie die we vaak tegenkomen

Tools wisselen snel. We selecteren op principes, maar dit is wat de developers in ons netwerk in de praktijk gebruiken.

MLflowKubernetesDockerKubeflowLangfuseWeights & BiasesTerraformGitHub Actions

Profielen die we zoeken

Een Python-developer voor dit vak nodig?

Stuur je vacature of aanvraag. Binnen 48 uur hoor je welke developers uit ons netwerk passen en wat het kost.