Área de la práctica: Archive/Pipeline Operations (APO)

1. Propósito y valor esperado de la práctica

Desarrollar una aplicación o modelo capaz de pronosticar la cantidad de memoria (y, en la medida de lo posible, otros recursos de hardware) necesaria para que PipelineDriver procese una observación astronómica, a partir de las características de dicha observación.

2. Trabajo o proyecto propuesto

Diseñar e implementar un proceso de extracción, limpieza e integración (ETL) de datos provenientes de MongoDB, Oracle SQL e InfluxDB v1.8, consolidándolos en un dataset unificado y trazable por observación/procesamiento.
Realizar un análisis exploratorio de datos (EDA) para identificar variables relevantes, patrones de consumo de recursos y posibles correlaciones entre tipo de observación y uso de memoria/hardware.
Definir y construir las características (feature engineering) que representen adecuadamente el tipo de observación y el contexto de procesamiento.
Evaluar y seleccionar uno o más algoritmos de machine learning apropiados para la predicción de consumo de memoria (problema de regresión).
Entrenar, validar y comparar modelos candidatos utilizando métricas de error apropiadas (por ejemplo, MAE, RMSE, error porcentual).
Evaluar la viabilidad de extender el modelo a la predicción de otros recursos de hardware (CPU, I/O, tiempo de ejecución), según la disponibilidad y calidad de los datos en InfluxDB.
Empaquetar el modelo resultante en una aplicación o servicio (por ejemplo, API o módulo integrable) que pueda ser consultado antes o durante la planificación del procesamiento en PipelineDriver.
Documentar la metodología, resultados, limitaciones y recomendaciones para el mantenimiento y reentrenamiento futuro del model.

3. Experiencia de aprendizaje

La experiencia de aprendizaje para el estudiante sería integral y altamente práctica, combinando ingeniería de datos, ciencia de datos, machine learning e ingeniería de software. Aprenderá a trabajar con fuentes de datos heterogéneas (MongoDB, Oracle e InfluxDB), diseñar procesos ETL y realizar análisis exploratorio de datos. Desarrollará habilidades de feature engineering y experimentará con distintos algoritmos de regresión, aprendiendo a entrenar, validar y comparar modelos mediante métricas apropiadas.

Además, adquirirá experiencia en desplegar un modelo predictivo como un servicio o módulo integrable en una aplicación real, aplicando buenas prácticas de desarrollo, versionamiento y reproducibilidad. Finalmente, enfrentará un problema real del ámbito de la astronomía, aprendiendo a interpretar datos técnicos y a transformar resultados de machine learning en una solución útil para la operación de PipelineDriver.

Requirements

Estudiantes de carreras de Técnico en Informática/ Ingeniero Civil informática.

Incluir en la postulación, únicamente el CV actualizado.

Conocimientos en:

Consultas y extracción de datos en MongoDB (aggregation framework, drivers en Python).
Consultas SQL en Oracle (SQL, PL/SQL básico, conexión mediante drivers como cx_Oracle / oracledb ).
Manejo de InfluxDB v1.8 (InfluxQL, extracción de series de tiempo, downsampling/agregación temporal).
Diseño de procesos ETL y modelado de datos para unificar fuentes heterogéneas.

Condiciones de la práctica:

Fecha de límite de postulaciones: 9 de noviembre 2026, 12 pm hora de Chile.
Inicio de práctica: Enero 2027
Término de práctica: Marzo 2027