?
¿Quiénes somos?
La
Asociación de Universidades para Investigación en Astronomía (AURA)
es una organización dedicada a impulsar la investigación astronómica mediante la construcción, administración y operación de observatorios e instalaciones científicas. Su trabajo reúne a equipos de distintas disciplinas y países para apoyar descubrimientos sobre el universo, además de acercar la astronomía a la comunidad a través de la educación y la divulgación.
Entre las instalaciones administradas por AURA se encuentra
NOIRLab
, el laboratorio nacional de Estados Unidos para la astronomía óptica e infrarroja nocturna desde tierra. NOIRLab opera observatorios en Chile, Estados Unidos y Hawái, y desarrolla herramientas, datos y servicios que permiten a la comunidad científica realizar investigaciones de vanguardia.
En Chile, AURA también participa en las operaciones del
Observatorio Vera C. Rubin
. Sus equipos de ingeniería trabajan con sistemas y datos que permiten apoyar la operación y el mantenimiento de sus instalaciones. A través de esta práctica, podrás investigar cómo aplicar modelos de Machine Learning a ese trabajo.
?
Lugar de la práctica
Recinto La Serena y, eventualmente, Observatorio Vera C. Rubin.
El acceso al observatorio estará sujeto a los procedimientos de seguridad y acreditación correspondientes.
?
Objetivo del proyecto
Investigar y evaluar modelos y enfoques de
Machine Learning
para determinar cuáles podrían ser adecuados para una futura implementación en el módulo de mantenimiento predictivo del sistema de gestión de mantenimiento (
CMMS
).
?
Principales actividades
Revisar bibliografía y documentación técnica sobre Machine Learning aplicado al mantenimiento predictivo y a datos de ingeniería.
Identificar modelos preentrenados y modelos que puedan entrenarse con los datos disponibles.




Analizar las características y los requerimientos de los enfoques seleccionados.
Explorar los datos de ingeniería e identificar variables, períodos y condiciones de operación relevantes.
Preparar y muestrear los datos para realizar experimentos.
Implementar pruebas y definir métricas apropiadas para evaluar los modelos.
Comparar resultados, ventajas, limitaciones y requerimientos prácticos de cada alternativa.
Documentar los hallazgos y elaborar recomendaciones para el equipo.
?
Estudios y perfil buscado
Buscamos preferentemente estudiantes de
último año
de Astronomía, Ciencia de Datos, Física, Ingeniería Informática o en Computación, Ciencias de la Computación, Ingeniería Eléctrica o Electrónica, Ingeniería Mecánica, Ingeniería en Automatización y Control, Estadística, Matemáticas o Matemáticas Aplicadas. También se considerarán otras carreras relacionadas con análisis de datos, modelamiento, programación o sistemas.
Valoramos el interés por investigar, aprender de manera autónoma y comparar distintas metodologías.
No se requiere experiencia previa en mantenimiento predictivo ni en un modelo específico de Machine Learning.
?
Conocimientos y habilidades
Requeridos:
Conocimientos básicos de
Python
y Machine Learning.
Conocimientos básicos de análisis y manejo de datos estructurados.
Inglés técnico.
Manejo básico de Microsoft Office o herramientas equivalentes.
Deseables:




Conocimientos básicos de Deep Learning y frameworks de Machine Learning.
Experiencia o interés en el análisis de
series temporales
.
⏱️
Horas requeridas para el proyecto
La práctica requiere
un mínimo de 320 horas
.
Nota:
En tu carta motivacional, indica cuántas horas de práctica requiere tu casa de estudios.
?️
Disponibilidad y jornada
La jornada informada para el proyecto es de
8:30 a 17:30 horas
.
Debes tener disponibilidad para realizar la práctica en
Recinto La Serena
y, si el proyecto lo requiere, acceder al Observatorio Vera C. Rubin.
?
Condiciones de trabajo
El trabajo será principalmente
computacional y de oficina
. No se requiere trabajo físico pesado ni actividad física regular asociada al proyecto. Cualquier visita al observatorio se realizará conforme a los procedimientos de seguridad y acceso aplicables.
?
Cómo postular
Adjunta los siguientes documentos:
CV actualizado
en formato PDF.
Carta motivacional
que explique por qué te interesa el proyecto e indique las horas de práctica exigidas por tu institución. Puedes presentarla en inglés si lo deseas.
Documento que acredite tu condición de estudiante regular.
Malla curricular, certificado de notas u otro documento
que muestre las asignaturas cursadas.
Por favor, nombra los archivos adjuntos con el formato
Apellido_NombreDelDocumento
.
Nota:
No se considerarán postulaciones que no cumplan con los requisitos antes mencionados.
ðŸ"
Plazo de postulación
Postula
hasta el 26 de octubre de ****
. Si necesitas apoyo con el proceso, puedes solicitarlo a través de
este enlace
.
¡No te pierdas esta posibilidad de ser parte de un gran proyecto que contribuye a la investigación astronómica! ?
¡Esperamos tu postulación! ?

📌 Estudiante En Práctica Proyecto: Investigación Y Evaluación De Modelos De Machine Learning Para Mant (Los Angeles)
🏢 AURA
📍 Los Angeles