Prácticas Machine Learning aplicado a la planificación del sistema eléctrico
Se pueden requerir diversas habilidades interpersonales y experiencia para el siguiente puesto. Por favor, asegúrese de consultar la descripción a continuación con atención.
1 plaza de prácticas en RED ELÉCTRICA DE ESPAÑA, SAU de
3 meses
para incorporarse en
julio 2026
Bolsa de ayuda de
800,00€
brutos mensuales
6h. diarias
Centro de prácticas en España: La Moraleja (Alcobendas) – Paseo del Conde de los Gaitanes, 177. 28109 Alcobendas (Madrid) Madrid (Madrid)
¿Qué perfil busca la empresa?
Estudiante de grado universitario o Estudiante de máster universitario:
Grado en Matemáticas, Grado en Ingeniería Matemática, Grado en Ciencia de Datos, Grado en Matemáticas e Informática, Grado en Ingeniería Informática - Ingeniería de Computadores, Grado en Ingeniería Informática, Máster en Inteligencia Artificial
Plan de formación propuesto
Empresa:
Red Eléctrica es la compañía responsable de la gestión, operación y desarrollo de infraestructuras del sistema eléctrico en España, asegurando la seguridad, continuidad y eficiencia del suministro eléctrico.
La práctica se desarrollará en el Departamento de Planificación Eléctrica, donde la persona en prácticas participará en proyectos formativos relacionados con el análisis y desarrollo de herramientas avanzadas para la planificación de redes eléctricas.
El estudiantado colaborará en el diseño y desarrollo de modelos de Machine Learning e Inteligencia Artificial, aplicados a la mejora de procesos de análisis técnico y apoyo a la toma de decisiones, siempre bajo supervisión y con orientación al aprendizaje.
Objetivos Formativos
Durante la práctica, la persona seleccionada podrá:
Participar en el desarrollo de algoritmos de Machine Learning para análisis de grandes volúmenes de datos eléctricos (demanda, generación, topología de red).
Diseñar modelos predictivos orientados a estimación de demanda, identificación de patrones de comportamiento y detección de anomalías en la red.
Desarrollar herramientas en Python u otros lenguajes para procesamiento, limpieza y análisis exploratorio de datos.
Conocer aplicaciones de IA en optimización de la red y automatización de estudios técnicos de planificación.
Potenciar habilidades de trabajo en equipo multidisciplinar y comunicación técnica de resultados.
La persona en prácticas participará, siempre bajo supervisión:
Desarrollo formativo de modelos de Machine Learning aplicados a la planificación del sistema eléctrico.
Procesamiento y limpieza de datos eléctricos y análisis exploratorio.
Integración de herramientas y resultados con simuladores de red y modelos eléctricos.
Colaboración en proyectos de innovación y digitalización del sistema eléctrico.
Documentación y presentación formativa de resultados y metodologías técnicas.
Todas las actividades tendrán carácter formativo, sin implicar responsabilidades propias de un puesto laboral.
Mentorización y Seguimiento
La persona en prácticas contará con un tutor/a especializado/a que acompañará su aprendizaje.
Se definirán objetivos formativos al inicio de la práctica, alineados con el perfil académico.
Se realizará seguimiento periódico con feedback continuado para reforzar competencias en Machine Learning, análisis de datos y planificación eléctrica.
Titulaciones compatibles:
Estudiante de 4º curso en Matemáticas, Ingeniería Matemática, Ciencia de Datos, Informática o afines.
Estudiante de máster en Ciencia de Datos, Inteligencia Artificial o similares, con grado previo en disciplinas indicadas o ingeniería (industrial, energética o informática).
Conocimiento de Machine Learning.
Programación en Python.
Competencias valoradas:
Conocimientos en R y Power BI.
Motivación, curiosidad técnica y capacidad de aprendizaje autónomo.
Capacidad para trabajar en equipo y comunicar resultados de manera clara.
Esta práctica ofrece la oportunidad de aplicar técnicas avanzadas de Machine Learning en la planificación del sistema eléctrico, desarrollando competencias técnicas en programación, análisis de datos y modelización, en un entorno profesional real, supervisado y orientado al aprendizaje. xpzdshu
Revisión de cumplimiento normativo
La oferta se ha redactado con enfoque plenamente formativo, evitando presentar las actividades como responsabilidades laborales autónomas. Para garantizar el cumplimiento del
Real Decreto 592/2014
y del
Real Decreto 822/2021 .
#J-18808-Ljbffr