Data Scientist
Tessa Helmer
“Wat ik ook tof vind aan het werken bij TAUW, is dat je impact maakt met het werk dat je doet. Het heeft nut, je werkt aan betekenisvolle projecten waarmee je ergens aan bijdraagt.”
Data Scientist
Tessa Helmer
“Wat ik ook tof vind aan het werken bij TAUW, is dat je impact maakt met het werk dat je doet. Het heeft nut, je werkt aan betekenisvolle projecten waarmee je ergens aan bijdraagt.”
Prinses, accountant of Data Scientist?
Tessa is afgelopen jaar bij TAUW begonnen als Data Scientist: “Ik wilde vroeger prinses worden, dat is niet gelukt. Daarna leek het werk van een accountant mij wel wat, mijn moeder was dat namelijk ook. Dat bleek het ook niet te zijn voor mij. Ik was op zoek naar variatie en uitdaging, maar dat bleek ik niet te vinden in accountancy. Toen kwam ik uit bij Business Analytics en dit was een goede match: wiskunde en statistiek liggen mij wel”. In haar werk wil Tessa graag geprikkeld worden. “In mijn carrière wil ik vooral doen wat ik leuk vind. Het maakt me niet precies uit wat het inhoudt, als ik maar geprikkeld blijf en bezig kan zijn. Ik merk ook dat, wat ik leuk vind, altijd weer verandert. Nu vind ik development leuk en krijg ik de vrijheid om Data Science en development te combineren, maar straks komt er weer iets anders langs. Ik wil ook uitgedaagd worden in variatie, niet alleen in inhoud”, vertelt Tessa. “Wat ik ook tof vind aan het werken bij TAUW, is dat je impact maakt met het werk dat je doet. Het heeft nut, je werkt aan betekenisvolle projecten waarmee je ergens aan bijdraagt”.
“De Treespotter wordt gebruikt om bomen te identificeren. De data waar je mee werkt zijn luchtfoto’s, waarbij in het eerste model een vierkant om de boom getrokken was, maar daarmee bleek de tool geen bos te herkennen. Mijn opdracht was dus om te onderzoeken wat een beter model zou zijn, bijvoorbeeld het tekenen van de precieze uitlijning van de boom, in plaats van een vierkant."
Persoonlijke en professionele ontwikkeling
Nieuwe dingen leren en zichzelf blijven ontwikkelen zijn voor Tessa belangrijke factoren in haar werk. “Gelukkig is dit precies wat ik bij TAUW ook terugzie, zowel in projecten als daarbuiten”, vertelt Tessa. “Bijna elk project is nieuw, met nieuwe data en een nieuwe opdracht. Er zijn ook een aantal onderhoudswerkzaamheden, maar dat is voor mij maar een klein deel van het werk. Er is veel afwisseling in de projecten die ik doe, maar ik kan me ook op andere vlakken ontwikkelen bij TAUW. Ik zit bijvoorbeeld in het juniorenprogramma, waarin ik samen met een groep andere junior collega’s interessante trainingen volg”.
Voorbeelden van trainingen die Tessa noemt zijn een training samenwerken en feedback geven, een communicatietraining en de training timemanagement. “Vorige week had ik een training timemanagement, waar onder andere de tip kwam om de notificaties van onder andere je mail uit te zetten. Ik ben daarmee gaan oefenen en ik ben toen twee dagen vergeten dat ik überhaupt mail had”, lacht Tessa. “Dat gaf dus rust, maar misschien net iets teveel.
Ook de andere trainingen geven me veel nieuwe inzichten en we doen leuke dingen met de juniorengroep. Zo zijn we bijvoorbeeld met een tapasboot over de Utrechtse grachten gevaren. Ook zijn er veel Webinars, bijvoorbeeld over de TAUW AI Assistent, Coffee Talks van die directie, lunchlezingen vanuit afdelingen en laatst een webinar van Young@TAUW over cultuurverschillen. Ik leer altijd weer wat nieuws!”
Tessa Helmer
Data Scientist
Bodem, bomen en boten
Tessa werkt in het SPARK team: “Hier houden we ons bezig met de nieuwste ontwikkelingen binnen Artificial Intelligence. Zo zijn we nu bijvoorbeeld bezig met Large Language Models (LLM)”. In dit SPARK team werkt Tessa samen met onder andere Marco, een collega software ontwikkelaar. De projecten waar Tessa aan werkt variëren in grootte, maar ook in onderwerp en opdrachtgever. Tessa vertelt: “Meestal werk ik aan zo’n vier of vijf projecten tegelijkertijd.
Dat kan een groot project zijn, zoals het door-ontwikkelen van de Treespotter, maar ook kleinere projecten, zoals een project voor Finance. Of bijvoorbeeld een clusteranalyse voor bodem, waarbij ik data krijg van boorpunten, bodemsamples en locaties van fabrieken en brandweerkazernes. Deze combineer ik vervolgens met elkaar, om PFAS-verontreiniging te clusteren. Zo kan ik voorspellen wat de kans is dat er bij een nieuw boorpunt PFAS in de grond zit en of dit dan PFAS uit blusschuim is, of bijvoorbeeld PFAS uit Tefal pannen. Ik wist van tevoren niks over PFAS, maar ik weet wel hoe ik moet clusteren, in de loop van de tijd leer je dan vanzelf wat iets inhoudt”.
Het leukste project waar Tessa tot nu toe aan heeft gewerkt is toch wel de Treespotter. “De Treespotter wordt gebruikt om bomen te identificeren. De data waar je mee werkt zijn luchtfoto’s, waarbij in het eerste model een vierkant om de boom getrokken was, maar daarmee bleek de tool geen bos te herkennen. Mijn opdracht was dus om te onderzoeken wat een beter model zou zijn, bijvoorbeeld het tekenen van de precieze uitlijning van de boom, in plaats van een vierkant”. Door het model verder te ontwikkelen draagt Tessa bij aan een groene en duurzame leefomgeving. Ze licht toe: “De Treespotter wordt bijvoorbeeld gebruikt voor hittestressberekeningen. Met luchtfoto’s trainen we het systeem om zelf bomen te herkennen, zodat we precies weten hoeveel procent van de tuinen groen is.”
“Veel tuinen zijn tegenwoordig betegeld, terwijl de gemeenten er vanuit gaan dat minstens vijftig procent van de tuinen groen zijn. Dat blijkt niet het geval te zijn, waardoor gemeenten in de problemen komen bij heftige regenval. Met een model als deze kan een gemeente de juiste maatregelen nemen."
Een heel ander project waar Tessa aan gewerkt heeft is een botenanalyse voor Rijkswaterstaat. Ze vertelt: “Rijkswaterstaat krijgt veel klachten van mensen die wonen op woonboten, omdat ze vinden dat hun woonboot te veel beweegt. We kregen daarom de opdracht om te onderzoeken of er een verband is tussen de deining van woonboten, de snelheid en grootte van vrachtschepen, weersomstandigheden en andere factoren. De data die we voor zo’n onderzoek gebruiken zijn data van het KNMI, data van een woonboot, waar twee weken lang een sensor op heeft gestaan om de beweging van de boot te meten en data van vrachtschepen in diezelfde periode”.
Deze opdracht heeft natuurlijk een heel andere context dan de PFAS-analyse of de ontwikkeling van de Treespotter, maar Tessa geeft aan dat dit het werk juist zo leuk maakt. “Je wordt echt meegenomen in de context van zo’n opdracht. Van tevoren wist ik bij wijze van spreken niet wat deining was. We hebben gesprekken gehad met Rijkswaterstaat, zij gaven toen wat meer achtergrondinformatie. Op deze manier blijf ik nieuwe dingen leren. Ik kan ergens helemaal induiken en op basis van data en wiskundige modellen een vraagstuk oplossen”.
Vind je dit interessant?
Lees dan lekker verder met vergelijkbare artikelen!
“Bodem en water zitten in de genen van TAUW en dat merk je als je hier binnenstapt. Je bent hier omringd door specialisten.”
“Bij TAUW krijg ik veel ruimte om mijn kennis uit te breiden en te delen, dit vind ik fijn!”
