Stijn Sluis

• Werkt binnen een klein technisch team aan een AI-gedreven platform dat ongestructureerde vacaturedata omzet naar gestructureerde, bruikbare informatie.
• Heeft een centrale rol in bij het opzetten van de dataverwerking en het ontwerpen van datamodellen voor een PostgreSQL-gebaseerde datawarehouse-structuur, met oog voor schaalbaarheid en herbruikbaarheid voor meerdere branches.
• Ontwikkelt AI/LLM-gebaseerde en traditionele verwerkingsflows voor het extraheren, structureren en standaardiseren van vacatureteksten uit verschillende bronnen.
• Normaliseert en classificeert beroepen en skills door ze via tekst-embeddings te koppelen aan externe taxonomieën zoals ESCO.

• Beheerde interne IT-systemen, gebruikersaccounts, toegangsrechten
  en business tooling voor de dagelijkse operatie.
• Zocht oplossingen voor technische gebruikersproblemen en verbeterde interne
  processen rondom systemen, workflows en tooling.
• Fungeerde als schakel tussen interne stakeholders en externe
  softwareleveranciers/startups door gebruikersfeedback en
  procesbehoeften te vertalen naar concrete productverbeteringen.
• Beheerde en optimaliseerde Salesforce-processen, velden, views en
  workflows ter ondersteuning van recruitment-, sales- en• Datamodellering
  operationele processen.

• Droeg bij aan de ontwikkeling van een administratief platform voor organisaties die energielabels toewijzen.
• Werkte aan frontend-functionaliteiten en gebruiksvriendelijke interfaces voor een efficiëntere werkwijze.

AI-gedreven alternatieven voor dierproeven binnen productontwikkeling

• Ontwikkelde een AI-gedreven literatuurfilter voor een biomedical literature mining pipeline.
• Classificeerde wetenschappelijke literatuur op relevantie op basis van meerdere inhoudelijke criteria.
• Onderzocht welke publicaties geschikt waren voor verdere verwerking door downstream LLM-toepassingen.
• Evalueerde de prestaties en kosteneffectiviteit van verschillende modellen en adviseerde over een efficiënte implementatiestrategie.

Computationele methoden voor de analyse en interpretatie van biologische data.

• Ontwikkelde een dataset van moleculaire structuren en bijbehorende geurdescripties voor machine-learningtoepassingen.
• Onderzocht de relatie tussen moleculaire structuur en geur met behulp van verschillende structurele representaties en explainable AI-methoden.
• Leverde datasets en modellen af die aansluitend gebruikt zijn voor verder onderzoek en onderwijs.

Het Network Institute is het centrum voor interdisciplinair onderzoek naar de digitale samenleving aan de Vrije Universiteit Amsterdam.

• Werkte mee aan onderzoek naar de relatie tussen emotionele toestand en fysiologische respons tijdens software testing.
• Analyseerde fysiologische data, waaronder ECG- en ICG-signalen, met AI-gebaseerde methoden.
• Ondersteunde bij experimenten, data-analyse en interpretatie van onderzoeksresultaten.