Internship

×

Breve descripción del departamento en el que se realizan las prácticas: Trabajamos en proyectos de vanguardia: Smart Cities, IoT, Drones, IA, Sistemas de Defensa y Automatización. Buscamos estudiantes con base técnica sólida y ambición por crecer profesionalmente. Si tienes los fundamentos y quieres aprender tecnología puntera trabajando en proyectos reales, estas prácticas son para ti. Sobre nosotros: Somos un equipo de 4 personas (edad media: 26 años) trabajando en proyectos tecnológicos de vanguardia: Smart Cities, IoT, drones, inteligencia artificial, sistemas de defensa, y automatización empresarial. Valoramos el talento joven con base técnica y ganas de crecer profesionalmente. Aquí tendrás proyectos reales desde el día uno, aprenderás de profesionales experimentados, y tu trabajo tendrá impacto directo.

Descripción detallada de las actividades a realizar por el estudiante: Lo que harás: Desarrollar aplicaciones web complejas con React y NextJS Crear interfaces para visualización de datos en tiempo real Trabajar en proyectos variados: Smart Cities, control de drones, chatbots IA Integrar con APIs REST y WebSockets Colaborar con el equipo senior en arquitectura frontend

Descripción de los medios materiales a disposición del estudiante que permitan abordar las actividades propuestas: Puesto de trabajo en CEEIM Murcia al que el alumno deberá acudir al menos 2 o 3 días a la semana, con todos los medios necesarios, licencias, programas.. Por qué estas prácticas son valiosas: Experiencia real - Proyectos en producción, no ejercicios académicos Tecnología diversa - Frontend para drones, Smart Cities, IA, defensa Mentorship profesional - Aprende de developers con experiencia Stack moderno - React, NextJS, TypeScript - lo que pide el mercado Portfolio potente - Saldrás con proyectos reales que mostrar

Planificación temporal de las actividades (cronograma): MES 1. Introducción al modelo de negocio de la empresa. Aprendizaje mano a mano del desarrollo de un proyecto, desde el planteamiento hasta la ejecución. MES 2. Ayudarás en la implantación de proyectos como Smartcities, control de drones, chatbots IA. Desarrollarás aplicaciones web complejas con React y NextJS. MES 3. Ayudarás en la implantación de proyectos como Smartcities, control de drones, chatbots IA. Desarrollarás aplicaciones web complejas con React y NextJS. MES 4. Ayudarás en la implantación de proyectos como Smartcities, control de drones, chatbots IA. Desarrollarás aplicaciones web complejas con React y NextJS. MES 5. Colaborar con el equipo senior en arquitectura fronted

Más información en Portal de Empleo UPCT

×

Proyecto formativo: Objetivos educativos: El alumno adquirirá conocimientos de programación de PLCs, HMIs, Scada, comunicación de PLCs con distintas redes, programación de robots¿ Actividades: Algunas de las actividades a desarrollar serán: - Ejecución de proyectos de automatización industrial. - Controlar robots con MXAutomation. - Comunicar PlCs omron nx con distintas redes mediante mqtt. - Programación de PLCs, HMIs.. Medios materiales: El estudiante tendrá acceso a PC, PLCs de diversas marcas, pantallas táctiles, brazos robóticos¿ Cronograma: Las prácticas se plantearán de una manera en la que el alumno pueda ir adquiriendo conocimientos de los compañeros de departamento y pueda aplicarlos con los medios puestos a su disposición.

Métodos formativos: Trabajo con las personas de departamento. Curso de SCADA Ignition para hacer dashboards en tablets y móviles, etc.

Más información en Portal de Empleo UPCT

×

Proyecto formativo: 1. Objetivos educativos específicos - Comprender la arquitectura y componentes de un sistema RAG (Retrieval¿Augmented Generation) aplicado a casos reales de negocio. - Desarrollar competencias técnicas en integración de modelos de lenguaje (LLM) con bases vectoriales y diseño de prompts avanzados. - Adquirir habilidades en automatización de procesos: scraping, preprocesado de datos y despliegue de workflows con N8N. - Dominar la contenerización con Docker y el despliegue seguro de servicios de IA en entornos cloud y on¿premise. - Aplicar buenas prácticas de ciberseguridad y optimización de recursos (GPU, latencia, costes). - Fortalecer competencias transversales: trabajo en equipo multidisciplinar, comunicación técnica efectiva y autonomía guiada. 2. Actividades a desarrollar - Configuración de entorno: instalación de servidor de vectores, contenedores Docker y entornos de prueba (local y cloud). - Prototipo RAG: ingestión de datos, indexado en vector store y consultas básicas con LLM (API openAI). - Ajuste de modelo: selección de embeddings, diseño de prompts, parámetros de temperatura y chunking. - Integración omnicanal: conexión del RAG con Chatwoot y Typebot, configuración de flujos en N8N y Evolution API. - Automatización de scraping: desarrollo de scripts de crawling, limpieza de datos y carga automática a la infraestructura. - Despliegue y pruebas: contenerización del sistema, configuración de proxies, tests de rendimiento, seguridad y latencia. 3. Descripción de los medios materiales - Infraestructura: servidor privado y plataforma cloud con acceso a GPU, contenedores Docker y vector store configurado. - Licencias y APIs: OpenAI, ElevenLabs, Brevo (email automation), N8N, y Typebot. - Plataformas de atención: Chatwoot, Evolution API, acceso a entornos reales de clientes. - Herramientas colaborativas: Odoo para gestión de tareas, contenido audiovisual, documentación interna y plantillas de flujos. - Soporte: mentoring técnico directo del CTO, sesiones periódicas de revisión (semanal) y feedback. - Requisitos del estudiante: equipo personal (portátil), conexión estable a Internet y disponibilidad para sesiones síncronas. 4. Cronograma claro y preciso 1. Preparación y fundamentos 4 ago ¿ 17 ago 2025 Semana de formación, conocimientos RAG básica, primeras pruebas con LLM 2. Desarrollo del sistema RAG 18 ago ¿ 31 ago 2025 Ingestión de datos, indexado, proyecto inicial y ajuste de prompts 3. Integración de interfaces 1 sept ¿ 23 sept 2025 Conexión con Chatwoot/Typebot, configuración de flujos N8N, scraping automatizado 4. Despliegue y optimización 24 sept ¿ 30 sept 2025 Contenerización, pruebas de rendimiento y seguridad, ajustes de infraestructura

Métodos formativos: - Aprendizaje basado en proyectos reales El estudiante trabajará sobre casos de negocio concretos, aplicando en cada sprint las herramientas y metodologías aprendidas. - Tutorías periódicas Sesiones semanales (remotas) con el tutor académico y el CTO para revisar avances, resolver dudas y ajustar el itinerario. - Hands¿on labs Actividades prácticas guiadas en el entorno de desarrollo, centradas en la instalación, configuración y despliegue de cada componente. - Autoaprendizaje dirigido Acceso a documentación interna, guías paso a paso y recursos externos (cursos, manuales) para profundizar de forma autónoma. - Revisión incremental y feedback ágil Entregables parciales al finalizar cada fase, con retroalimentación inmediata y correcciones en tiempo real. - Trabajo colaborativo Uso de Odoo para la coordinación de tareas, fomentando la comunicación técnica y la responsabilidad compartida. - Evaluación continua Seguimiento de indicadores de rendimiento (tiempo de respuesta, precisión de consultas, robustez del sistema) y competencias transversales.

Más información en Portal de Empleo UPCT

×

Proyecto formativo: 1. Objetivos educativos específicos - Comprender la arquitectura y componentes de un sistema RAG (Retrieval¿Augmented Generation) aplicado a casos reales de negocio. - Desarrollar competencias técnicas en integración de modelos de lenguaje (LLM) con bases vectoriales y diseño de prompts avanzados. - Adquirir habilidades en automatización de procesos: scraping, preprocesado de datos y despliegue de workflows con N8N. - Dominar la contenerización con Docker y el despliegue seguro de servicios de IA en entornos cloud y on¿premise. - Aplicar buenas prácticas de ciberseguridad y optimización de recursos (GPU, latencia, costes). - Fortalecer competencias transversales: trabajo en equipo multidisciplinar, comunicación técnica efectiva y autonomía guiada. 2. Actividades a desarrollar - Configuración de entorno: instalación de servidor de vectores, contenedores Docker y entornos de prueba (local y cloud). - Prototipo RAG: ingestión de datos, indexado en vector store y consultas básicas con LLM (API openAI). - Ajuste de modelo: selección de embeddings, diseño de prompts, parámetros de temperatura y chunking. - Integración omnicanal: conexión del RAG con Chatwoot y Typebot, configuración de flujos en N8N y Evolution API. - Automatización de scraping: desarrollo de scripts de crawling, limpieza de datos y carga automática a la infraestructura. - Despliegue y pruebas: contenerización del sistema, configuración de proxies, tests de rendimiento, seguridad y latencia. 3. Descripción de los medios materiales - Infraestructura: servidor privado y plataforma cloud con acceso a GPU, contenedores Docker y vector store configurado. - Licencias y APIs: OpenAI, ElevenLabs, Brevo (email automation), N8N, y Typebot. - Plataformas de atención: Chatwoot, Evolution API, acceso a entornos reales de clientes. - Herramientas colaborativas: Odoo para gestión de tareas, contenido audiovisual, documentación interna y plantillas de flujos. - Soporte: mentoring técnico directo del CTO, sesiones periódicas de revisión (semanal) y feedback. - Requisitos del estudiante: equipo personal (portátil), conexión estable a Internet y disponibilidad para sesiones síncronas. 4. Cronograma claro y preciso 1. Preparación y fundamentos 4 ago ¿ 17 ago 2025 Semana de formación, conocimientos RAG básica, primeras pruebas con LLM 2. Desarrollo del sistema RAG 18 ago ¿ 31 ago 2025 Ingestión de datos, indexado, proyecto inicial y ajuste de prompts 3. Integración de interfaces 1 sept ¿ 23 sept 2025 Conexión con Chatwoot/Typebot, configuración de flujos N8N, scraping automatizado 4. Despliegue y optimización 24 sept ¿ 30 sept 2025 Contenerización, pruebas de rendimiento y seguridad, ajustes de infraestructura

Métodos formativos: - Aprendizaje basado en proyectos reales El estudiante trabajará sobre casos de negocio concretos, aplicando en cada sprint las herramientas y metodologías aprendidas. - Tutorías periódicas Sesiones semanales (remotas) con el tutor académico y el CTO para revisar avances, resolver dudas y ajustar el itinerario. - Hands¿on labs Actividades prácticas guiadas en el entorno de desarrollo, centradas en la instalación, configuración y despliegue de cada componente. - Autoaprendizaje dirigido Acceso a documentación interna, guías paso a paso y recursos externos (cursos, manuales) para profundizar de forma autónoma. - Revisión incremental y feedback ágil Entregables parciales al finalizar cada fase, con retroalimentación inmediata y correcciones en tiempo real. - Trabajo colaborativo Uso de Odoo para la coordinación de tareas, fomentando la comunicación técnica y la responsabilidad compartida. - Evaluación continua Seguimiento de indicadores de rendimiento (tiempo de respuesta, precisión de consultas, robustez del sistema) y competencias transversales.

Más información en Portal de Empleo UPCT

×

Proyecto formativo: 1. Objetivos educativos específicos - Comprender la arquitectura y componentes de un sistema RAG (Retrieval¿Augmented Generation) aplicado a casos reales de negocio. - Desarrollar competencias técnicas en integración de modelos de lenguaje (LLM) con bases vectoriales y diseño de prompts avanzados. - Adquirir habilidades en automatización de procesos: scraping, preprocesado de datos y despliegue de workflows con N8N. - Dominar la contenerización con Docker y el despliegue seguro de servicios de IA en entornos cloud y on¿premise. - Aplicar buenas prácticas de ciberseguridad y optimización de recursos (GPU, latencia, costes). - Fortalecer competencias transversales: trabajo en equipo multidisciplinar, comunicación técnica efectiva y autonomía guiada. 2. Actividades a desarrollar - Configuración de entorno: instalación de servidor de vectores, contenedores Docker y entornos de prueba (local y cloud). - Prototipo RAG: ingestión de datos, indexado en vector store y consultas básicas con LLM (API openAI). - Ajuste de modelo: selección de embeddings, diseño de prompts, parámetros de temperatura y chunking. - Integración omnicanal: conexión del RAG con Chatwoot y Typebot, configuración de flujos en N8N y Evolution API. - Automatización de scraping: desarrollo de scripts de crawling, limpieza de datos y carga automática a la infraestructura. - Despliegue y pruebas: contenerización del sistema, configuración de proxies, tests de rendimiento, seguridad y latencia. 3. Descripción de los medios materiales - Infraestructura: servidor privado y plataforma cloud con acceso a GPU, contenedores Docker y vector store configurado. - Licencias y APIs: OpenAI, ElevenLabs, Brevo (email automation), N8N, y Typebot. - Plataformas de atención: Chatwoot, Evolution API, acceso a entornos reales de clientes. - Herramientas colaborativas: Odoo para gestión de tareas, contenido audiovisual, documentación interna y plantillas de flujos. - Soporte: mentoring técnico directo del CTO, sesiones periódicas de revisión (semanal) y feedback. - Requisitos del estudiante: equipo personal (portátil), conexión estable a Internet y disponibilidad para sesiones síncronas. 4. Cronograma claro y preciso 1. Preparación y fundamentos 4 ago ¿ 17 ago 2025 Semana de formación, conocimientos RAG básica, primeras pruebas con LLM 2. Desarrollo del sistema RAG 18 ago ¿ 31 ago 2025 Ingestión de datos, indexado, proyecto inicial y ajuste de prompts 3. Integración de interfaces 1 sept ¿ 23 sept 2025 Conexión con Chatwoot/Typebot, configuración de flujos N8N, scraping automatizado 4. Despliegue y optimización 24 sept ¿ 30 sept 2025 Contenerización, pruebas de rendimiento y seguridad, ajustes de infraestructura

Métodos formativos: - Aprendizaje basado en proyectos reales El estudiante trabajará sobre casos de negocio concretos, aplicando en cada sprint las herramientas y metodologías aprendidas. - Tutorías periódicas Sesiones semanales (remotas) con el tutor académico y el CTO para revisar avances, resolver dudas y ajustar el itinerario. - Hands¿on labs Actividades prácticas guiadas en el entorno de desarrollo, centradas en la instalación, configuración y despliegue de cada componente. - Autoaprendizaje dirigido Acceso a documentación interna, guías paso a paso y recursos externos (cursos, manuales) para profundizar de forma autónoma. - Revisión incremental y feedback ágil Entregables parciales al finalizar cada fase, con retroalimentación inmediata y correcciones en tiempo real. - Trabajo colaborativo Uso de Odoo para la coordinación de tareas, fomentando la comunicación técnica y la responsabilidad compartida. - Evaluación continua Seguimiento de indicadores de rendimiento (tiempo de respuesta, precisión de consultas, robustez del sistema) y competencias transversales.

Más información en Portal de Empleo UPCT