El estudiantado se incorporará al Departamento de Modelos de Operación, un área clave en el análisis y desarrollo de herramientas que permiten anticipar comportamientos del sistema eléctrico, con el fin de optimizar su funcionamiento. Este departamento lidera iniciativas de mejora de modelos predictivos, aplicando técnicas estadísticas avanzadas y tecnologías emergentes como el aprendizaje automático.

Durante su estancia, la persona en prácticas tendrá la oportunidad de:

• Aplicar métodos estadísticos avanzados, como simulación MonteCarlo y regresión, a modelos energéticos reales.

• Desarrollar habilidades de programación en Python, migrando un modelo existente de MATLAB y adaptándolo a un entorno más escalable.

• Analizar series temporales y modelar fenómenos probabilísticos, profundizando en la previsión de puntas de demanda eléctrica.

• Incorporar técnicas de aprendizaje automático para mejorar la precisión de los modelos predictivos.

• Evaluar el impacto de variables contextuales, como la laboralidad y los días festivos, en la estimación de la demanda eléctrica.

• Comparar y validar modelos predictivos mediante análisis retrospectivos frente a datos históricos.

📌 Titulación Universitaria:
Estudiantes de máster universitario en:

• Ingeniería

• Ciencia de Datos

• Matemáticas

• Física

• Estadística Aplicada

• O titulaciones afines

📌 Habilidades requeridas:

• Conocimiento de programación en Python (NumPy, Pandas, Scikit-learn, Matplotlib).

• Bases en métodos estadísticos: simulación MonteCarlo y regresión.

• Capacidad de análisis de datos y modelado probabilista.

• Valorable: familiaridad con modelos de previsión de demanda eléctrica y tratamiento de series temporales.

📌 Idiomas y herramientas valoradas:
Nivel medio de inglés técnico para lectura de documentación y análisis de bibliografía científica. Conocimientos de MATLAB valorables.