Estudiante en Práctica Proyecto: Investigación y evaluación de modelos de Machine Learning para mantenimiento predictivo.

🌌 ¿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.

📅 Plazo de postulación

Postula hasta el 26 de octubre de 2026. Si necesitas apoyo con el proceso, puedes solicitarlo a través de este enlace.

¡No te pierdas esta oportunidad de ser parte de un gran proyecto que contribuye a la investigación astronómica! 🔭

¡Esperamos tu postulación! 🚀