Destinus je evropská letecká a obranná společnost, která vyvíjí autonomní letecké systémy pro civilní i obranné využití. Společnost byla založena v roce 2021 a navrhuje i vyrábí letecké technologie pro různé rychlostní rozsahy včetně budoucích hypersonických platforem. Její multidisciplinární činnost propojuje konstrukci draků, proudové motory, letový software, umělou inteligenci a komplexní návrh systémů. S rozšiřováním týmu nabízí Destinus příležitosti podílet se na vývoji autonomních, efektivních a vysokorychlostních leteckých systémů.
Výzkumník strojového učení v oblasti certifikace bezpečnosti letectví
Zkoumejte matematické záruky bezpečnosti AI pro autonomní lety ve společnostech Destinus a Daedalean. Propojujte teorii statistického učení s rámci letecké certifikace EASA.
Popis
- Posuzujte a vytvářejte certifikační strategie pro učení s učitelem.
- Uvádějte matematické záruky, technické argumenty a hodnocení modelů do souladu s procesem certifikace AI EASA ve tvaru písmene W.
- Zkoumejte teorii statistického učení, meze zobecnění a záruky pro hluboké neuronové sítě v proměnlivých reálných podmínkách.
- Využívejte statistiku a stochastické procesy k modelování nejistoty prostředí a šumu senzorů a k posuzování spolehlivosti metrik výkonu.
- Posuzujte odbornou literaturu, matematické důkazy a inženýrské předpoklady s důsledností odborného recenzního řízení.
- Vytvářejte technická zdůvodnění a logické argumenty pro bezpečnostní audity a certifikační rámce.
- Pište reprodukovatelný kód v Pythonu pro testování hypotéz, validaci certifikačních metod a srovnávací hodnocení rámců pro certifikaci bezpečnosti modelů.
Požadavky
- Mít hluboké znalosti teorie statistického učení, mezí zobecnění a matematických základů hlubokých neuronových sítí.
- Mít pevné základy pokročilé teorie pravděpodobnosti, statistického modelování a stochastických procesů.
- Ovládat Python a umět psát přehledný reprodukovatelný kód; při silných teoretických základech lze základní programátorské dovednosti získat během práce.
- Umět důkladně procházet odbornou literaturu, odhalovat mezery v současném výzkumu AI a převádět akademické koncepty do inženýrských rámců; při silném kvantitativním základu se to lze naučit.
- Mít zkušenosti nebo předpoklady pro odborné recenzování, včetně kritického posuzování matematických důkazů, algoritmických předpokladů a vědeckých prací.
- Studovat v magisterském nebo doktorském programu, případně nedávno dokončit magisterské či doktorské studium informatiky, matematiky, teoretické statistiky, elektrotechniky, fyziky nebo příbuzného kvantitativního výzkumného oboru.
- Kriticky uvažovat a zachovávat zdravou skepsi vůči předpokladům strojového učení a empirické přesnosti.
- Vynikat ve vytváření přesvědčivých logických argumentů a technických zdůvodnění.
- Mít motivaci řešit matematické problémy na pomezí teoretické informatiky, bezpečnostního inženýrství a reálného leteckého provozu.