Destinus è un’azienda europea del settore aerospaziale e della difesa che sviluppa sistemi di volo autonomi per applicazioni civili e militari. Fondata nel 2021, l’azienda progetta e realizza tecnologie di volo per diverse fasce di velocità, comprese future piattaforme ipersoniche. Il suo lavoro multidisciplinare riunisce ingegneria delle strutture aeronautiche, propulsione a turbogetto, software di volo, intelligenza artificiale e progettazione completa dei sistemi. Con l’espansione del team, Destinus offre opportunità per contribuire allo sviluppo di sistemi aeronautici autonomi, efficienti e ad alta velocità.
Ricercatore/trice di apprendimento automatico, certificazione della sicurezza aeronautica
Studia le garanzie matematiche di sicurezza per l’IA di volo autonomo presso Destinus e Daedalean, collegando la teoria dell’apprendimento statistico ai quadri di certificazione aeronautica dell’EASA.
Descrizione
- Esaminare e sviluppare strategie di certificazione per l’apprendimento automatico supervisionato.
- Allineare le garanzie matematiche, gli argomenti tecnici e le valutazioni dei modelli al processo di certificazione dell’IA a forma di W dell’EASA.
- Studiare la teoria dell’apprendimento statistico, i limiti di generalizzazione e le garanzie per le reti neurali profonde in condizioni reali mutevoli.
- Usare statistica e processi stocastici per modellare l’incertezza ambientale e il rumore dei sensori, e valutare l’affidabilità delle metriche di prestazione.
- Valutare la letteratura di ricerca, le dimostrazioni matematiche e le ipotesi ingegneristiche con il rigore della revisione tra pari.
- Sviluppare giustificazioni tecniche e argomentazioni logiche per audit di sicurezza e quadri di certificazione.
- Scrivere codice Python riproducibile per verificare ipotesi, convalidare metodi di certificazione e confrontare quadri di sicurezza dei modelli.
Requisiti
- Avere una conoscenza approfondita della teoria dell’apprendimento statistico, dei limiti di generalizzazione e dei fondamenti matematici delle reti neurali profonde.
- Avere solide basi in probabilità avanzata, modellazione statistica e processi stocastici.
- Essere esperti in Python e saper scrivere codice chiaro e riproducibile; le competenze di base di programmazione si possono acquisire sul lavoro con solide basi teoriche.
- Saper condurre revisioni approfondite della letteratura, individuare lacune nella ricerca attuale sull’IA e tradurre concetti accademici in quadri ingegneristici; queste capacità si possono acquisire con solide basi quantitative.
- Avere esperienza o attitudine alla revisione tra pari, inclusa la valutazione critica di dimostrazioni matematiche, ipotesi algoritmiche e articoli di ricerca.
- Stare frequentando o aver conseguito di recente una laurea magistrale o un dottorato in Informatica, Matematica, Statistica Teorica, Ingegneria Elettrica, Fisica o un altro campo quantitativo di ricerca correlato.
- Applicare il pensiero critico e mantenere un sano scetticismo verso le ipotesi dell’apprendimento automatico e l’accuratezza empirica.
- Essere eccezionalmente capaci di costruire argomentazioni logiche solide e giustificazioni tecniche.
- Essere motivati ad affrontare problemi matematici che spaziano dall’informatica teorica all’ingegneria della sicurezza e alle operazioni di volo nel mondo reale.