Applied Machine Learning Intern – Structural Engineering

La posición está orientada a personas que ya hayan desarrollado proyectos reales de Machine Learning durante su formación académica o por iniciativa propia, aunque no dispongan de experiencia profesional previa.

Conocimientos prácticos demostrables en:

• Python.
• Pandas y NumPy.
• Scikit-Learn.
• Preparación y limpieza de datasets.
• Ingeniería de características (feature engineering).
• Entrenamiento y validación de modelos supervisados.
• Métricas de evaluación y selección de modelos.
• Jupyter Notebooks.
• Git.

Se valorará experiencia académica o personal con:

• Árboles de decisión.
• Random Forest.
• Gradient Boosting (XGBoost, LightGBM o similares).
• Clustering.
• Detección de anomalías.
• Análisis exploratorio de datos.

El trabajo se centrará en la aplicación de técnicas de Machine Learning a datos procedentes de modelos estructurales utilizados en proyectos industriales de gran escala.

Algunos ejemplos de posibles líneas de trabajo:

• Detección de patrones de cambio entre modelos de cálculo y modelos de fabricación.
• Clasificación automática de configuraciones estructurales.
• Detección de anomalías e inconsistencias en modelos estructurales.
• Identificación de patrones de diseño a partir de bases de datos históricas.
• Desarrollo de prototipos de herramientas de apoyo a la ingeniería.

• Estudiante de último curso o máster en Ciencia de Datos, Inteligencia Artificial, Ingeniería Informática, Matemáticas, Física o titulaciones afines.
• Interés por aplicar Machine Learning a problemas complejos de ingeniería.
• Capacidad analítica y autonomía.
• Ganas de trabajar en un entorno altamente técnico y especializado.

• Prácticas remuneradas.
• Aproximadamente 30 horas semanales.
• Madrid.
• Posibilidad de continuidad tras la finalización de las prácticas.

Si estás interesado, envíame tu CV y, si dispones de ellos, enlaces a GitHub, Kaggle o proyectos personales relacionados con Machine Learning.