Terug naar projecten
Automation & ML engineering8 weken stage

Intodata Stage: iPaaS, Automation & Forecasting

8-weekse stage rond iPaaS, workflow automation, connectorontwikkeling en Make Credits Forecasting.

Projectoverzicht

Categorie
Automation & ML engineering
Metric
8 weken stage
Stack
Make.comn8nSupabasePostgresNotiondbtPythonuvsklearnLightGBMFastAPIReact

Highlights

  • Make- en n8n-workflows vergeleken voor marketing automation
  • Automatisatiepipeline met Notion, Supabase, Jina.ai/Firecrawl en AI-integraties uitgewerkt
  • make-app-gen concept voor connectorontwikkeling op basis van OpenAPI, Swagger, Postman Collections en prose documentatie
  • Forecasting pipeline voor Make.com creditverbruik met model registry, promotierules en dashboard
  • Focus op onderhoudbaarheid, validatie en overdraagbare documentatie

Context

Intodata werkt rond data-integratie, automatisatie en AI-toepassingen. Binnen die context moesten workflows, connectorontwikkeling en credit forecasting onderhoudbaar en overdraagbaar worden uitgewerkt.

Aanpak

Workflows gebouwd en vergeleken in Make en n8n, een make-app-gen concept mee uitgewerkt voor Make Custom Apps op basis van API-documentatie en een forecasting pipeline opgezet voor Make.com creditverbruik.

Technologieën

De gebruikte stack is gekozen rond de technische kern van het project: AI, optimalisatie, software engineering of webontwikkeling.

Make.comn8nSupabasePostgresNotiondbtPythonuvsklearnLightGBMFastAPIReact

Resultaat

Compacte technische case met automatisatieflows, connectorarchitectuur, forecasting, modelvergelijking, guardrails en overdrachtsgerichte documentatie.

Wat ik geleerd heb

Praktische ML engineering vraagt niet alleen modeltraining: bij beperkte businessdata waren veilige baselines, walk-forward evaluatie, model guardrails, rollback en duidelijke documentatie belangrijker dan complexiteit.