Formador/a junior

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

No deje pasar esta oportunidad, inscríbase rápidamente si su experiencia y habilidades coinciden con lo que se indica en la siguiente descripción.

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.

Competencias técnicas

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

• 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

• 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.
• ML básico: train/test split, overfitting, regularización ligera, uso educativo de notebooks (Jupyter/Colab) y visualización (MAtplotlib/Plotly).
• LLM Ops/integración: uso de SDKs o REST para LLMs, prompt chaining, estructura de tools/functions, guardrails y trazabilidad de prompts.
• MLOps “l