Codigo de la oferta: 476037 a través de la web http://icaro.ual.es
Es necesario seguir las instrucciones de https://empleo.ugr.es/convocatoria/convocatoria-practicas-extracurriculares-en-centros-pfi-cofinanciado-2026/
Fecha límite: 16 de Marzo de 2026
Número de puestos 2
Fecha de inicio 01/05/2026
Duración 6 meses
Retribución/mes 500€
Departamento Cátedra GPU Solutions - UGR
Lugar de trabajo: ETS. Ingenierías Informática y Telecomunicación, C/Periodista Daniel Saucedo Aranda S/N
18008. POSIBILIDAD DE TRABAJO EN REMOTO.
Estudios
- Grado en Ingeniería Informática
- PCEO Grado en Ingeniería Informática / Grado en Matemáticas
- Doble Grado en Administración y Dirección de Empresas e Informática
NOTA SOBRE TFG: El trabajo realizado en la beca, constituye una base sólida y perfectamente estructurada para un TFG. El estudiante podrá ampliar el marco teórico, profundizar en la comparativa de técnicas y presentar los resultados como su TFG, bajo la tutorización de los investigadores de la Cátedra.
ACTIVIDADES:
Gestión y Monitorización del GPU-Lab-UGR (40% del tiempo): Mantenimiento básico del clúster de computación (nodos GPU, sistemas de refrigeración). Monitorización del consumo energético y rendimiento de los equipos. Soporte a usuarios internos (investigadores, estudiantes) en el acceso y uso eficiente de los recursos.
Documentación de procedimientos y del estado del laboratorio. Investigación Aplicada y Desarrollo (40% del tiempo): Trabajo en un proyecto concreto alineado con los objetivos de la Cátedra (ej.: evaluación de técnicas de cuantización en un modelo específico, análisis de eficiencia de diferentes sistemas de refrigeración, desarrollo de scripts para "scheduling" eficiente de trabajos). Ejecución de experimentos, toma de métricas (rendimiento, consumo energético, temperatura) y análisis de datos. Revisión bibliográfica y estudio de las mejores prácticas en Green AI. Escritura de código (Python, scripts de shell) y uso de frameworks de IA (PyTorch, TensorFlow) y herramientas de monitorización.
Formación y Transferencia (20% del tiempo): Estudio y realización de los módulos de las microcredenciales (ej.: cursos NVIDIA DLI sobre eficiencia energética). Preparación de material divulgativo o técnico (demos, dashboards, informes breves) para transferencia a empresas. Participación en seminarios internos de la Cátedra y apoyo en la organización de talleres.
PROYECTO FORMATIVO:
Fases del Proyecto (6 meses):
Mes 1-2: Formación inicial y familiarización. Curso de administración de sistemas, microcredenciales Green AI, y conocimiento profundo del GPU-Lab. Definición del caso de estudio (modelo y tarea específica).
Mes 3-4: Fase Experimental. Implementación del pipeline de entrenamiento/inferencia del modelo base. Toma de métricas de referencia (tiempo, energía, precisión). Aplicación de al menos dos técnicas de optimización (ej.: cuantización INT8, uso de perfiles de refrigeración).
Mes 5: Análisis y Optimización. Análisis comparativo de resultados. Elaboración de recomendaciones de configuración (hardware y software) para un equilibrio óptimo entre precisión y eficiencia.
Mes 6: Documentación y Transferencia. Redacción del informe final/memoria. Creación de un dashboard simple de visualización de métricas o un script de "buenas prácticas" para usuarios del laboratorio.