항공 안전 인증 머신러닝 연구원
Destinus와 Daedalean에서 자율 비행 AI의 수학적 안전 보장을 연구하고, 통계적 학습 이론을 EASA 항공 인증 체계와 연결합니다.
설명
- 지도 학습 머신러닝의 인증 전략을 검토하고 개발합니다.
- 수학적 보장, 기술적 논증, 모델 평가를 EASA의 W형 AI 인증 절차에 맞춥니다.
- 통계적 학습 이론, 일반화 경계, 변화하는 실제 환경에서 심층 신경망의 보장을 연구합니다.
- 통계학과 확률 과정을 사용해 환경 불확실성과 센서 잡음을 모델링하고 성능 지표의 신뢰도를 평가합니다.
- 동료 심사 수준의 엄밀함으로 연구 문헌, 수학적 증명, 공학적 가정을 평가합니다.
- 안전 감사와 인증 체계를 위한 기술적 근거와 논리적 논증을 개발합니다.
- 가설을 시험하고, 인증 방법을 검증하며, 모델 안전성 체계를 벤치마크하기 위한 재현 가능한 Python 코드를 작성합니다.
지원 자격
- 통계적 학습 이론, 일반화 경계, 심층 신경망의 수학적 기초를 깊이 이해해야 합니다.
- 고급 확률론, 통계 모델링, 확률 과정에 탄탄한 기반이 있어야 합니다.
- Python에 능숙하고 명확하며 재현 가능한 코드를 작성할 수 있어야 합니다. 이론적 기반이 탄탄하다면 기본 코딩 기술은 업무 중 익힐 수 있습니다.
- 문헌을 철저히 검토하고 현재 AI 연구의 공백을 파악하며 학술 개념을 공학 체계로 전환할 수 있어야 합니다. 탄탄한 정량적 기반이 있다면 이러한 역량은 업무 중 익힐 수 있습니다.
- 동료 심사 경험이나 역량이 있고 수학적 증명, 알고리즘 가정, 연구 논문을 비판적으로 평가할 수 있어야 합니다.
- 컴퓨터 과학, 수학, 이론 통계학, 전기공학, 물리학 또는 관련 정량 연구 분야의 석사나 박사 과정에 재학 중이거나 최근 수료했어야 합니다.
- 비판적 사고력을 갖추고 머신러닝 가정과 경험적 정확성에 대해 건전한 회의적 태도를 유지해야 합니다.
- 타당한 논리적 주장과 기술적 근거를 구성하는 탁월한 역량이 있어야 합니다.
- 이론 컴퓨터 과학, 안전공학, 실제 비행 운용에 걸친 수학 문제를 해결하는 데 의욕이 있어야 합니다.