A Destinus é uma empresa europeia de tecnologia aeroespacial e defesa que desenvolve sistemas de voo autônomos para aplicações civis e de defesa. Fundada em 2021, a empresa projeta e fabrica tecnologias de voo para diferentes faixas de velocidade, incluindo futuras plataformas hipersônicas. Seu trabalho multidisciplinar reúne engenharia de estruturas aeronáuticas, propulsão por turbojato, software de voo, inteligência artificial e projeto completo de sistemas. À medida que a Destinus amplia sua equipe, oferece oportunidades para contribuir com o desenvolvimento de sistemas de aeronaves autônomas, eficientes e de alta velocidade.
Pesquisador(a) de aprendizado de máquina, certificação de segurança da aviação
Pesquise garantias matemáticas de segurança para IA de voo autônomo na Destinus e na Daedalean, conectando a teoria do aprendizado estatístico aos frameworks de certificação aeronáutica da EASA.
Descrição
- Revisar e desenvolver estratégias de certificação para aprendizado de máquina supervisionado.
- Alinhar garantias matemáticas, argumentos técnicos e avaliações de modelos ao processo de certificação de IA em formato W da EASA.
- Investigar teoria do aprendizado estatístico, limites de generalização e garantias para redes neurais profundas em condições reais em mudança.
- Usar estatística e processos estocásticos para modelar a incerteza ambiental e o ruído dos sensores, além de avaliar a confiança nas métricas de desempenho.
- Avaliar a literatura de pesquisa, as demonstrações matemáticas e as premissas de engenharia com rigor de revisão por pares.
- Desenvolver justificativas técnicas e argumentos lógicos para auditorias de segurança e frameworks de certificação.
- Escrever código Python reproduzível para testar hipóteses, validar métodos de certificação e comparar frameworks de segurança de modelos.
Requisitos
- Ter conhecimento profundo de teoria do aprendizado estatístico, limites de generalização e fundamentos matemáticos das redes neurais profundas.
- Ter uma base sólida em probabilidade avançada, modelagem estatística e processos estocásticos.
- Ter domínio de Python e saber escrever código claro e reproduzível; habilidades básicas de programação podem ser desenvolvidas no trabalho com uma sólida formação teórica.
- Ser capaz de fazer revisões bibliográficas aprofundadas, identificar lacunas na pesquisa atual em IA e traduzir conceitos acadêmicos em frameworks de engenharia; isso pode ser aprendido com uma sólida base quantitativa.
- Ter experiência ou aptidão para revisão por pares, incluindo avaliação crítica de demonstrações matemáticas, premissas algorítmicas e artigos de pesquisa.
- Estar cursando ou ter concluído recentemente mestrado ou doutorado em Ciência da Computação, Matemática, Estatística Teórica, Engenharia Elétrica, Física ou área quantitativa de pesquisa relacionada.
- Usar o pensamento crítico e manter um ceticismo saudável em relação às premissas do aprendizado de máquina e à precisão empírica.
- Ter capacidade excepcional para construir argumentos lógicos sólidos e justificativas técnicas.
- Ter motivação para enfrentar problemas matemáticos que abrangem ciência da computação teórica, engenharia de segurança e operações de voo no mundo real.