Bachiller o Titulado en Ingeniería Informática, Ingeniería de Software, Ciencias de la
Computación, Ingeniería de Sistemas o carreras afines.
Lenguaje de Programación: Nivel avanzado en Python (mínimo 1-2 años de experiencia comprobable).
Procesamiento Paralelo: Experiencia práctica demostrable en la paralelización de algoritmos y manejo de memoria en entornos multihilo/multiproceso.
Computación Científica: Dominio del ecosistema de datos en Python (NumPy, SciPy, Pandas).
Librerías Gráficas: Experiencia con librerías de visualización en Python, preferentemente aquellas orientadas a alto rendimiento e interfaces de usuario (ej. PyQt, PySide, PyQtGraph).
Herramientas de Desarrollo: Manejo intermedio/avanzado de Git (GitHub/GitLab) y entornos virtuales.
Deseable
Experiencia previa trabajando con software de procesamiento de señales (DSP) o datos de series de tiempo.
Familiaridad con C/C++ y su integración con Python (Cython, pybind11) para la optimización de algoritmos matemáticos intensivos.
Conocimiento sobre las operaciones científicas y la naturaleza de los datos del Radio Observatorio de Jicamarca.
Dominio del idioma inglés a nivel técnico (lectura y redacción de documentación).
Funciones
Análisis y Profiling:
Evaluar el código base actual de "Signal Chain" para identificar cuellos de botella en el procesamiento de señales y en la carga de interfaces gráficas.
Implementación de Procesamiento Paralelo: Refactorizar módulos críticos utilizando técnicas de concurrencia y paralelismo en Python (multiprocessing, concurrent.futures, asyncio, o herramientas como Dask/Ray) para procesar grandes volúmenes de datos de manera eficiente.
Optimización Gráfica: Evaluar e implementar librerías gráficas eficientes (como PyQtGraph, VisPy, o Plotly/Bokeh) para el renderizado veloz de matrices de datos científicos, reemplazando o mejorando las soluciones actuales (ej. Matplotlib).
Documentación Técnica: Redactar la documentación integral del software, incluyendo arquitectura del sistema, manuales de usuario, guía de despliegue y documentación del código fuente (uso de docstrings, Sphinx o MkDocs).
Control de Calidad: Diseñar e implementar pruebas unitarias y de integración para garantizar que las optimizaciones no alteren la precisión de los datos científicos procesados.