Practicante Data Scientist

• Investigar y comprender modelos de datos (estructurados y no estructurados), reglas y procesos en sus bases de datos.

• Desarrollar modelos analíticos que permitan generar valor a partir de los datos y apoyar la toma de decisiones.

• Trabajar en varios proyectos de data science a la vez, resolver nuevos problemas e investigar sobre tecnologías y soluciones.

Además, aprenderás a aplicar herramientas y librerías de Data Science en un contexto práctico, con acompañamiento continuo y foco en el desarrollo de habilidades técnicas, de autogestión y comunicación.

Buscamos practicantes de las carreras de Ingeniería en Computación, Matemática, Eléctrica y, en realidad, cualquier persona cuya pasión sea la ciencia de datos. Te insertarás desde el día 1 en equipos con objetivos reales y supervisión por un/a Data Scientist experimentado/a con plena disposición de acompañarte a alcanzar las metas del proyecto.

Aprenderás a usar Python y su catálogo de librerías para Data Science (por ejemplo: TensorFlow, Pandas, GeoPandas, PySpark, entre otros), junto con herramientas complementarias como Postgres y Elasticsearch, además de servicios en la nube. Priorizaremos a quienes demuestren motivación, pasión por el oficio, capacidad de comunicación y talento técnico.

Requisitos de práctica:

• Disponibilidad a partir de enero 2027 por 2 meses.

• Práctica presencial.

• A tiempo completo (40 horas).

• Personas que deban realizar su práctica profesional y/o segunda práctica.

Valoraremos especialmente que tengas interés genuino por la ciencia de datos y disposición para aprender con autonomía. También nos suma si ya te sientes cómodo/a trabajando con datos (estructurados y no estructurados) y si te gusta investigar tecnologías y proponer soluciones cuando aparecen nuevos problemas. Consideramos clave demostrar comunicación clara, motivación sostenida y una mentalidad práctica para colaborar en distintos proyectos de data science.

Un plus es haber explorado herramientas o conceptos vinculados a Python, librerías de Data Science y almacenamiento/búsqueda de datos (por ejemplo, SQL/ Postgres o Elasticsearch), así como haber tenido contacto con servicios en la nube.