Gebaseerd in Nederland
Ruwe data omzetten in inzetbare intelligentie. Ik bouw systemen die machine learning, data-engineering en full-stack ontwikkeling combineren.
Ruwe data omzetten in inzetbare intelligentie. Ik bouw systemen die machine learning, data-engineering en full-stack ontwikkeling combineren.
Ik ben Jonas, een derdejaarsstudent Data Science & AI aan de Breda University of Applied Sciences. Ik ben gepassioneerd over het bouwen van intelligente systemen die echte problemen oplossen, van computer vision pipelines tot full-stack AI-platformen.
In 10+ projecten heb ik gewerkt met deep learning, NLP, reinforcement learning, computer vision en full-stack ontwikkeling. Ik gedij aan het snijvlak van onderzoek en engineering, ruwe data omzetten in inzetbare, impactvolle oplossingen.
Als ik niet bezig ben met het trainen van modellen of het verwerken van data, vind je mij bij het produceren van elektronische muziek, het verdiepen in de nieuwste AI-onderzoeken, of fietsen door de Noord-Brabantse natuur. Ik werk graag in teams die nieuwsgierigheid waarderen en niet bang zijn om te experimenteren.
Statistisch modelleren, deep learning, NLP en computer vision. Van BERTje tot U-Net tot reinforcement learning agents.
ETL-pipelines, REST API's, Docker-deployments en cloud-infrastructuur op Azure. Systemen bouwen die schalen.
Full-stack AI-platformen: van LLM-gestuurde recruitmenttools tot slimme campus-analytics. Van prototype tot productie.
Voorspellend analyticssysteem voor campusbezetting aan BUas. Time series ML-modellen die data integreren van camera's, WiFi en roostersystemen. REST API met real-time endpoints voor dashboards en geautomatiseerde personeelsplanning.
Voorspellend bezettingssysteem voor BUas campusoperaties. Verwerkt data van entréecamera's, WiFi, TimeEdit roosters, KNMI weer en NS treinverstoringen in een 112-koloms uurtabel. Traint een Temporal Fusion Transformer samen met LightGBM, XGBoost en CatBoost om gebouwbezetting tot 7 dagen vooruit te voorspellen, gevoed door FastAPI-endpoints en Power BI-dashboards.
Webapplicatie die automatisch een Spotify-bibliotheek clustert in sfeergebaseerde afspeellijsten via Last.fm genre-tags, MiniLM semantische embeddings en optionele Spotify audio-features. Draait elk uur, routeert nieuwe nummers via cosine similarity en heeft een real-time SSE-dashboard.
AI-gestuurd recruitmentplatform voor Nederlandse bedrijven. Gebruikt GPT-4o voor het detecteren van vooroordelen in vacatureteksten, cv-parsing, ESCO-gebaseerde skillmatching en EU AI Act-compliance. Inclusief een ML Judge-framework met 80 testgevallen.
Deep learning beeldsegmentatie-pipeline voor analyse van plantenwortelbeelden met een U-Net CNN. Beschikt over CLI, webinterface en REST API, gedeployed zowel on-premise als op Azure Container Apps met volledige CI/CD.
Computer vision + robotica-pipeline voor het Netherlands Plant Eco-phenotyping Centre. Wortelsegmentatie (F1: 0.85), extractie van wortelarchitectuur en reinforcement learning agents die een vloeistofrobot aansturen.
NLP-pipeline voor emotieclassificatie in het Nederlands. Transcribeert video/audio via Whisper, classificeert 7 emoties met fine-tuned BERTje/RoBERTa. Behaald 84,7% nauwkeurigheid met SMOTE-gebalanceerde datasets.
Machine learning systeem dat het risico op verkeersongevallen (laag/middel/hoog) voor Breda voorspelt. Combineert het ANWB Veilig Rijden Dataset met zes jaar Bredase verkeersincidentgegevens en deployt via Streamlit.
Deep learning beeldclassificator die 7 wereldwijde biomen identificeert vanuit foto's. Gebouwd via 4 iteratieve modelexperimenten culminerend in een VGG16 transfer learning model (~90% testnauwkeurigheid), met GradCAM + LIME interpretabiliteitsanalyse.
End-to-end data-analyse en ML-pipeline voor de spelersscounting van NAC Breda. Opgeschoond en verkend: 16.535 voetballers met 140 kenmerken, gesegmenteerd per positie, met een Logistic Regression classifier.
Interactief dashboard dat VN SDG-voortgang onderzoekt, met focus op SDG 14 (Leven onder Water), waarbij mariene ecosysteembescherming en visvoorraden worden onderzocht.
Academisch onderzoekspaper dat onderzoekt hoe persoonsgegevensbescherming het vertrouwen van klanten in AI-chatbot interacties beïnvloedt. Combineert kwalitatieve thematische analyse met kwantitatieve surveydata.
Voorspellend bezettingssysteem bouwen voor BUas: time series forecasting, API's en geautomatiseerde personeelsplanning.
Breda University of Applied Sciences · 3e jaar, 10+ projecten in ML, NLP, CV en full-stack ontwikkeling.
Of je nu een data-uitdaging hebt, een samenwerkingsidee, of gewoon wilt verbinden, ik hoor graag van je.
of bereik me direct via Jonasvos01@gmail.com