Responsabilidades

• Diseñar y dictar módulos teórico-prácticos sobre procesamiento de señales y aprendizaje automático.
• Explicar conceptos de física aplicada a la adquisición, filtrado y análisis de señales (vibración, acústica, electromagnetismo, óptica, etc.).
• Introducir fundamentos de IA y machine learning aplicados a datos físicos: regresión, clasificación, redes neuronales y clustering.
• Desarrollar laboratorios prácticos en Python para el entrenamiento y validación de modelos de clasificación de señales.
• Orientar proyectos finales donde los participantes apliquen IA a casos reales (análisis espectral, ruido, detección de patrones, etc.).
• Evaluar y retroalimentar el progreso de los participantes.
• Promover la integración entre la física experimental y la ciencia de datos.

Requisitos

• Título en Física, Ingeniería Física, Electrónica o carrera afín.
• Experiencia docente universitaria o en capacitaciones técnicas.
• Conocimientos en procesamiento de señales (FFT, filtrado digital, wavelets).
• Experiencia básica o intermedia en machine learning aplicado.
• Dominio de herramientas como Python, NumPy, SciPy, Scikit-learn, TensorFlow o MATLAB.
• Habilidad para conectar teoría física con aplicaciones prácticas en IA.

Se valorará

• Experiencia en proyectos de instrumentación o análisis de datos científicos.
• Conocimiento en deep learning aplicado a señales (CNN, RNN, LSTM).
• Participación en investigaciones interdisciplinarias (física, IA, ingeniería).
• Capacidad comunicativa y vocación por la enseñanza aplicada.

Beneficios

• Participar en un programa pionero que integra física e inteligencia artificial.
• Acceso a infraestructura de laboratorio y entornos de simulación.
• Oportunidad de desarrollo académico y colaboración interdisciplinaria.
• Modalidad híbrida o remota según necesidad.