A Destinus európai repülőgépipari és védelmi vállalat, amely polgári és védelmi alkalmazásokhoz fejleszt autonóm repülési rendszereket. A 2021-ben alapított vállalat különböző sebességtartományokhoz tervez és gyárt repüléstechnológiákat, beleértve a jövő hiperszonikus platformjait is. Több tudományterületet átfogó munkája egyesíti a légijármű-szerkezetek tervezését, a turbóhajtóműves meghajtást, a repülési szoftvereket, a mesterséges intelligenciát és a teljes rendszertervezést. A Destinus csapatának bővítésével lehetőséget kínál az autonóm, hatékony és nagy sebességű légijármű-rendszerek fejlesztéséhez való hozzájárulásra.
Gépi tanulási kutató, repülésbiztonsági tanúsítás
Kutatson matematikai biztonsági garanciákat az autonóm repülés mesterséges intelligenciájához a Destinusnál és a Daedaleannál, összekapcsolva a statisztikai tanuláselméletet az EASA repülésügyi tanúsítási keretrendszereivel.
Leírás
- Vizsgálja felül és dolgozza ki a felügyelt gépi tanulás tanúsítási stratégiáit.
- Hangolja össze a matematikai garanciákat, a műszaki érveket és a modellek értékelését az EASA mesterséges intelligenciára vonatkozó, W alakú tanúsítási folyamatával.
- Vizsgálja a statisztikai tanuláselméletet, az általánosítási korlátokat és a mély neurális hálózatok garanciáit változó valós körülmények között.
- Használjon statisztikát és sztochasztikus folyamatokat a környezeti bizonytalanság és az érzékelőzaj modellezésére, és értékelje a teljesítménymutatók megbízhatóságát.
- Értékelje a kutatási szakirodalmat, a matematikai bizonyításokat és a mérnöki feltételezéseket szakmai bírálathoz méltó alapossággal.
- Dolgozzon ki műszaki indoklásokat és logikai érveket a biztonsági auditokhoz és a tanúsítási keretrendszerekhez.
- Írjon reprodukálható Python-kódot hipotézisek tesztelésére, tanúsítási módszerek validálására és modellbiztonsági keretrendszerek összehasonlítására.
Követelmények
- Rendelkezzen mélyreható ismeretekkel a statisztikai tanuláselmélet, az általánosítási korlátok és a mély neurális hálózatok matematikai alapjai terén.
- Legyen jártas a felsőbb valószínűségszámításban, a statisztikai modellezésben és a sztochasztikus folyamatokban.
- Legyen magabiztos Python-programozó, és tudjon világos, reprodukálható kódot írni; erős elméleti alapokkal az alapvető programozási készségek munka közben is elsajátíthatók.
- Tudjon alapos szakirodalmi áttekintéseket készíteni, feltárni a jelenlegi MI-kutatás hiányosságait, és a tudományos fogalmakat mérnöki keretrendszerekké alakítani; ezek a készségek erős kvantitatív alapokkal elsajátíthatók.
- Rendelkezzen tapasztalattal vagy készséggel a szakmai bírálat terén, beleértve a matematikai bizonyítások, algoritmikus feltételezések és kutatási cikkek kritikus értékelését.
- Folytasson vagy a közelmúltban fejezzen be mester- vagy doktori tanulmányokat számítástechnika, matematika, elméleti statisztika, villamosmérnöki tudományok, fizika vagy egy kapcsolódó kvantitatív kutatási területen.
- Gondolkodjon kritikusan, és kezelje egészséges szkepticizmussal a gépi tanulás feltételezéseit és az empirikus pontosságot.
- Legyen kiemelkedően jó megalapozott logikai érvek és műszaki indoklások felépítésében.
- Legyen motivált olyan matematikai problémák megoldására, amelyek az elméleti számítástechnikát, a biztonságtechnikát és a valós repülési műveleteket kapcsolják össze.