Formador/a junior

Acerca del empleo No espere a enviar su solicitud después de leer esta descripción; se espera un gran volumen de candidaturas para esta oportunidad.

Si tienes conocimientos técnicos en Data Analytics, programación e inteligencia artificial, te motiva la docencia, y tienes ganas de un nuevo reto profesional estimulante, Fundación Somos F5 es tu lugar

En la Fundación Somos F5 conectamos el talento digital oculto con empleos de calidad en el sector tecnológico. Formamos e impulsamos a personas diversas, especialmente de colectivos que enfrentan desafíos sociales, para reforzar equipos en las empresas y romper estereotipos vinculados a la tecnología. Con ello, trabajamos para reducir la brecha digital motivada por razones sociales, económicas y de género.

Para lograrlo, colaboramos con una red de entidades partners en España, con el apoyo internacional de , además de empresas y administraciones públicas comprometidas con el impacto social y económico de nuestro modelo. Apostamos por un talento digital al que otros recursos no llegan, para construir una sociedad digital equitativa, accesible y verdaderamente diversa.

Nuestras acciones formativas incluyen actividades de sensibilización (talleres, webinars, eventos, etc.), cursos introductorios y bootcamps de especialización en el ámbito tecnológico.

Funciones

Tu misión será formar a personas en situación de vulnerabilidad, especialmente en competencias ligadas al análisis de datos, que participen en acciones formativas de la Fundación Somos F5. Más concretamente, las funciones incluyen:

• Participar en la selección del alumnado (en base a su motivación, lógica, autonomía, y capacidad de trabajo en equipo).
• Ayudar a establecer los planes de formación, tomando en cuenta los contenidos y objetivos definidos.
• Preparar y adaptar materiales didácticos.
• Impartir formación técnica, adaptando si es necesario los contenidos al alumnado.
• Movilizar técnicas pedagógicas innovadoras y aplicar una pedagogía activa.
• Acompañar al alumnado en la realización de tareas cotidianas (píldoras formativas, ejercicios, proyectos propios y de empresas, organización de eventos,...).
• Supervisar el recorrido pedagógico del alumnado, haciendo el seguimiento del desarrollo de sus competencias tanto técnicas como transversales (curva de aprendizaje, motivación, etc.) y detectando posibles necesidades específicas.
• Identificar profesionales y empresas vinculados al desarrollo en IA que podrían intervenir durante las formaciones (masterclass, proyectos pedagógicos, prácticas, mentoring, jurados...).
• Ayudar al alumnado a formar parte de la comunidad de desarrolladores local, organizando y/o participando en meetups, webinars, eventos locales etc.
• Participar en la evaluación pedagógica de las formaciones y promociones.
• Participar en las reuniones de coordinación de las formaciones.

Perfil

Competencias técnicas

Conocimientos técnicos en análisis de datos y programación para facilitar actividades formativas. Más concretamente:

Imprescindibles:

• Python para datos: Programación para análisis de datos: (mínimo Python ): manipulación de datos (pandas/Numpy o arrays/Objects), manejo de entornos, lectura de documentación técnica y empaquetado simple de ejemplos didácticos.Ciclo ETL completo.
• SQL&Modelado: SQL (queries,joins,subqueris,agregaciones) , modelo E-R básico.
• Estadística/Business Analytics: Estadística descriptiva/inferencial aplicada, comprensión de A/B testing, lectura de métricas ya definidas.
• Visualización y BI: PowerBI/dashboards funcionaltes, DAX básico.
• Machine Learning: Fundamentos básicos de aprendizaje Supervisado y No Supervisado.
• IA generativa aplicada: modelos de texto, imagen, audio y video; prompting responsable (estructura, roles, restricciones, verificación), cadenas de herramientas de evaluación básica de salidas (claridad, sesgo, factualidad).
• Ética y seguridad en IA: identificación de sesgos, privacidad y protección de datos, licencias y uso responsable de contenido generado.
• Flujo de datos: recolección y limpieza ligera (CSV/Google Sheets), métricas simples (accuracy, precisión/recall a nivel introductorio, lectura de reportes y límites de los modelos.
• Metodologías AGILE (SCRUM).

Stack y herramientas de referencia:

• Python: Jupyter/Colab, pandas, Numpy.
• POWERBI (Tableau) - Herramientas de visualización
• Datos y colaboración: CSV/Google Sheets, Git/Github, README didácticos.
• Buenas prácticas: Control de versiones, entornos variables de entorno, documentación y logging.

Deseables:

• ML básico: train/test split, overfitting, regularización ligera, uso educativo de notebooks (Jupyter/Colab) y visualización (MAtpl