Práctica de Etiquetado de Datos - 100% Presencial Viña del Mar - EcoAlliance SpA

EcoAlliance SpA busca estudiantes de último año o egresados de Ingeniería Informática, Ciencia de Datos, Técnico en Programación o carrera afín, con interés en inteligencia artificial aplicada, calidad de datos y construcción de datasets para entrenamiento de modelos.
La práctica está orientada a apoyar la preparación, revisión y organización de datos que serán utilizados en procesos de entrenamiento, validación y mejora continua de modelos de IA. Buscamos una persona metódica, observadora, ordenada y con criterio técnico, capaz de trabajar con grandes volúmenes de información visual y estructurada, siguiendo reglas claras de clasificación y control de calidad.
El o la practicante colaborará en tareas de etiquetado, validación, depuración y documentación de datos, contribuyendo a que los datasets usados por los modelos sean consistentes, trazables y útiles para el desarrollo de soluciones tecnológicas de alto impacto.

Modalidad: Presencial
Lugar: Calle Limache 3232, ParTec V21, edificio Ladera 2, piso 1, El Salto, Viña del Mar
Duración de la práctica: 12 semanas.
Horario:
Lunes a jueves: 9:00 - 13:30 y 14:30 - 18:30
Viernes: 9:00 - 13:30 y 14:30 - 18:00

Áreas de Desarrollo y Responsabilidades:
1. Etiquetado y anotación de datos para entrenamiento de modelos
• Apoyar en el etiquetado manual y semiautomatizado de imágenes, registros visuales, eventos o evidencias digitales, de acuerdo con criterios definidos por el equipo técnico.
• Clasificar elementos, incidencias, atributos, estados o categorías dentro de datasets destinados a entrenamiento, validación y mejora de modelos de inteligencia artificial.
• Aplicar pautas de anotación de manera consistente, respetando taxonomías, reglas de negocio y convenciones definidas para cada tipo de dato.
• Registrar correctamente etiquetas, observaciones, casos ambiguos y excepciones detectadas durante el proceso.

2. Control de calidad y validación de consistencia
• Revisar datos previamente etiquetados para detectar errores, inconsistencias, duplicidades, omisiones o desviaciones respecto de los criterios definidos.
• Apoyar en procesos de doble revisión y validación cruzada para mejorar la confiabilidad del dataset.
• Identificar casos borde, datos ruidosos, muestras de baja calidad o registros que deban ser descartados, corregidos o escalados para revisión técnica.
• Contribuir a mejorar la precisión del etiquetado mediante controles sistemáticos y retroalimentación continua al equipo.

3. Preparación y organización de datasets
• Apoyar en la limpieza, ordenamiento y estructuración de conjuntos de datos para facilitar su uso en procesos de entrenamiento y análisis.
• Organizar archivos, evidencias, metadatos y versiones de datasets bajo criterios de trazabilidad y orden documental.
• Colaborar en la consolidación de registros provenientes de distintas fuentes, asegurando consistencia en formatos, nombres, categorías y estructura.
• Apoyar en la generación de bases de trabajo, tablas de control y registros de avance vinculados al proceso de anotación.

4. Apoyo a criterios de trabajo y mejora continua
• Apoyar en el registro de observaciones relevantes detectadas durante el etiquetado de datos.
• Seguir criterios de clasificación definidos por el equipo técnico para mantener consistencia en el trabajo.
• Colaborar con el equipo en la mejora continua de pautas y criterios de revisión cuando se detecten casos ambiguos o repetitivos.
• Participar en reuniones de seguimiento para revisar avances, dudas y ajustes del proceso.
5. Manejo responsable de la información
• Trabajar con orden, confidencialidad y cuidado en el tratamiento de imágenes, registros y datos utilizados en los proyectos.
• Respetar los criterios definidos por el equipo para resguardo de información y tratamiento adecuado de los datos.
• Apoyar en la detección de registros que requieran revisión especial por calidad o resguardo de información.
• Contribuir a mantener un proceso de trabajo ordenado, confiable y consistente.

Requisitos:
• Estudiante de Ingeniería Informática, Ciencia de Datos, Técnico en Programación o carrera afín.
• Interés en inteligencia artificial aplicada, visión por computador, calidad de datos o análisis de información.
• Capacidad de observación, atención al detalle y rigurosidad en tareas repetitivas con criterio técnico.
• Manejo básico o intermedio de planillas, tablas de datos y herramientas digitales de organización de información.
• Capacidad para seguir instrucciones técnicas, criterios de clasificación y protocolos de revisión.
• Orden, responsabilidad y disciplina para trabajar con información estructurada y trazable.
• Habilidad para detectar inconsistencias y comunicar hallazgos de forma clara.
• Buenas habilidades de trabajo en equipo y comunicación efectiva.
• Conciencia sobre privacidad, protección de datos y uso responsable de la información.

Competencias Deseables:
• Experiencia previa en etiquetado de datos, revisión documental, QA de datos o tareas de clasificación.
• Conocimientos básicos en visión por computador, machine learning o construcción de datasets.
• Familiaridad con herramientas de anotación de imágenes o datasets.
• Conocimientos básicos en Python, manejo de CSV/JSON o revisión de metadatos.
• Experiencia con control de versiones, documentación técnica o registro de procesos.
• Capacidad analítica para reconocer patrones, casos borde y problemas de calidad en datos.
• Buenas habilidades de comunicación oral y escrita.
• Proactividad, criterio y adaptación a entornos de trabajo colaborativos.

Ofrecemos:
Grato ambiente de equipo y colaboración.
Oportunidades de aprendizaje y desarrollo profesional.
Integración a equipos multidisciplinarios.
Ambiente de trabajo dinámico y orientado a la sostenibilidad.
Experiencia práctica en desarrollo de producto digital con usuarios, datos e integración entre áreas.
Práctica remunerada vía boleta de honorarios mensual.