Destinus er et europeisk luftfarts- og forsvarsselskap som utvikler autonome flysystemer for sivile og militære formål. Selskapet ble grunnlagt i 2021 og designer og produserer flyteknologi for flere hastighetsområder, inkludert fremtidige hypersoniske plattformer. Det tverrfaglige arbeidet omfatter blant annet flyskrogteknikk, turbojetfremdrift, flyprogramvare, kunstig intelligens og komplett systemdesign. Etter hvert som Destinus utvider teamet sitt, finnes det muligheter til å bidra til utviklingen av autonome, effektive flysystemer i høy hastighet.
Maskinlæringsforsker innen sertifisering av flysikkerhet
Forsker på matematiske sikkerhetsgarantier for AI til autonom flyging hos Destinus og Daedalean. Knytter statistisk læringsteori til EASAs rammeverk for luftfartssertifisering.
Beskrivelse
- Gjennomgå og utvikle sertifiseringsstrategier for veiledet maskinlæring.
- Tilpasse matematiske garantier, tekniske argumenter og modelevalueringer til EASAs W-formede sertifiseringsprosess for AI.
- Undersøke statistisk læringsteori, generaliseringsgrenser og garantier for dype nevrale nettverk under skiftende forhold i den virkelige verden.
- Bruke statistikk og stokastiske prosesser til å modellere usikkerhet i omgivelsene og sensorstøy, og vurdere påliteligheten til ytelsesmålinger.
- Vurdere forskningslitteratur, matematiske bevis og tekniske antakelser med samme grundighet som ved fagfellevurdering.
- Utvikle tekniske begrunnelser og logiske argumenter for sikkerhetsrevisjoner og sertifiseringsrammeverk.
- Skrive reproduserbar Python-kode for å teste hypoteser, validere sertifiseringsmetoder og sammenligne rammeverk for modellsikkerhet.
Krav
- Ha en dyp forståelse av statistisk læringsteori, generaliseringsgrenser og det matematiske grunnlaget for dype nevrale nettverk.
- Ha et solid grunnlag i avansert sannsynlighetsteori, statistisk modellering og stokastiske prosesser.
- Beherske Python og kunne skrive tydelig, reproduserbar kode. Grunnleggende kodeferdigheter kan læres i jobben med et sterkt teoretisk grunnlag.
- Kunne gjennomføre grundige litteraturgjennomganger, finne kunnskapshull i aktuell AI-forskning og omsette akademiske begreper til tekniske rammeverk. Dette kan læres med et sterkt kvantitativt grunnlag.
- Ha erfaring med eller evne til fagfellevurdering, inkludert kritisk vurdering av matematiske bevis, algoritmiske antakelser og forskningsartikler.
- Være i gang med eller nylig ha fullført en master- eller doktorgrad innen informatikk, matematikk, teoretisk statistikk, elektroteknikk, fysikk eller et beslektet kvantitativt forskningsfelt.
- Tenke kritisk og være sunt skeptisk til antakelser innen maskinlæring og empirisk nøyaktighet.
- Være svært dyktig til å bygge holdbare logiske argumenter og tekniske begrunnelser.
- Være motivert for å arbeide med matematiske problemstillinger innen teoretisk informatikk, sikkerhetsteknikk og praktisk flyoperasjon.