AI becario

Orion Innovation is a premier, award-winning, global business and technology services firm.

Orion delivers game-changing business transformation and product development rooted in digital strategy, experience design, and engineering, with a unique combination of agility, scale, and maturity.

We work with a wide range of clients across many industries including financial services, professional services, telecommunications and media, consumer products, automotive, industrial automation, professional sports and entertainment, life sciences, ecommerce, and education.

DESCRIPCIÓN DEL PUESTO: BECARIO / RECIÉN EGRESADO EN INGENIERÍA DE IA 1. INFORMACIÓN GENERAL DEL PUESTO ·
Título del puesto:

Becario de Ingeniería en IA / Trainee AI Engineer / Recién Egresado

·
Nivel / Seniority:

Becario / Junior Inicial (0 a 1 año de experiencia o proyectos académicos/personales demostrables en Inteligencia Artificial y desarrollo de software).

·
Área / Departamento:

Ingeniería de Inteligencia Artificial / Ciencia de Datos / Desarrollo de Software.

·
Modalidad de trabajo:

Híbrido.

·
Horario:

Lunes a viernes (Horario de 9:00 a.m. a 6:00 p.m.)

·
Ubicaciones:

Mariano Escobedo 303, CDMX / Av. Paseo de la Reforma 510, CDMX.

·
Industria:

Banca / Servicios Financieros.

2. OBJETIVO DEL PUESTO Objetivo:

Aprender, colaborar y dar soporte al equipo de Ingeniería de IA en el desarrollo e implementación de prototipos, limpieza y etiquetado de datos, y pruebas iniciales de modelos de Machine Learning, Procesamiento del Lenguaje Natural (NLP) y OCR. El Becario / Recién Egresado participará bajo la mentoría de ingenieros estándar y senior en el ciclo de vida del desarrollo de software, contribuyendo a la automatización de tareas, el uso de control de versiones (Git) y la documentación técnica, mientras desarrolla habilidades prácticas dentro de metodologías ágiles (Scrum).

3. CERTIFICACIONES Y CURSOS DE ENTRADA (Nivel Inicial) Para un recién egresado o becario no se exige experiencia laboral previa, pero se valorará contar con certificaciones de fundamentos que acrediten el interés por aprender y las bases teóricas:

1.

Microsoft Certified: Azure AI Fundamentals (AI-900) / AWS Certified Cloud Practitioner

·
Enfoque: Valida la comprensión básica de los conceptos de computación en la nube y los servicios esenciales de IA (visión, NLP, modelos predictivos).

2.

Python for Data Science and Machine Learning / Google Data Analytics Certificate

·
Enfoque: Demuestra el manejo fundamental del lenguaje Python, análisis explortorio de datos y manipulación de datos tabulares.

3.

Scrum Fundamentals Certified (SFC)

·
Enfoque: Acredita el entendimiento inicial de los conceptos básicos de metodologías ágiles y el trabajo por sprints.

4.

IBM Introduction to Artificial Intelligence (AI) / Coursera Deep Learning Specialization (Cursos iniciales)

·
Enfoque: Garantiza conocimientos teóricos introductorios sobre modelos de aprendizaje automático y redes neuronales.

5.

Git & GitHub Basics (Certificados de plataformas como Platzi, Udemy o edX)

·
Enfoque: Demuestra capacidad práctica para manejar repositorios, ramas y control de versiones colaborativo desde el día uno.

4. REQUISITOS TÉCNICOS Y TEMAS CLAVE PARA EL BECARIO A. Fundamentos de Programación e Ingeniería de Software ·
Lenguaje Principal:

Python (conocimientos de sintaxis, funciones, manejo de excepciones y librerías básicas).

·
Tipos y Estructuras de Datos:

Dominio de tipos de datos (integer, float, string, boolean) y estructuras de datos básicas (listas, diccionarios, tuplas, conjuntos).

·
Bases de Datos (Conceptos Básicos):

Nociones de SQL (PostgreSQL/MySQL) para realizar consultas (SELECT, WHERE, JOIN) y estructuras JSON para datos no estructurados.

B. Fundamentos de IA y Machine Learning ·
Conceptos Teóricos:

Comprensión básica de las etapas de la IA (Test de Turing, evolución), diferencia entre Inteligencia Artificial, Machine Learning y Deep Learning.

·
Paradigmas de Aprendizaje:

Entendimiento conceptual de Aprendizaje Supervisado vs. No Supervisado.

·
Librerías Básicas:

Manejo introductorio de NumPy, Pandas, Matplotlib y scikit-learn (para preprocesamiento y modelos simples como regresiones o clasificaciones).

C. Procesamiento de Texto (NLP) y Extracción de Datos ·
Preprocesamiento de Texto:

Conceptos de limpieza de texto: tokenización, remoción de StopWords, stemming y lematización.

·
Herramientas Introductorias:

Conocimiento básico o interés en explorar spaCy, NLTK o librerías de lectura de documentos/OCR (Tesseract, PyPDF2).

D. Herramientas de Desarrollo y Colaboración ·
Control de Versiones:

Git básico (comando