Destinus — европейская аэрокосмическая и оборонная компания, разрабатывающая автономные летательные системы для гражданского и оборонного применения. Основанная в 2021 году, компания проектирует и производит авиационные технологии для различных скоростных диапазонов, включая перспективные гиперзвуковые платформы. Ее междисциплинарная деятельность объединяет разработку планеров, турбореактивные двигатели, программное обеспечение для управления полетом, искусственный интеллект и проектирование комплексных систем. По мере расширения команды Destinus предлагает возможности участвовать в разработке автономных, эффективных и высокоскоростных авиационных систем.
Исследователь машинного обучения в области сертификации авиационной безопасности
Исследуйте математические гарантии безопасности ИИ для автономных полётов в Destinus и Daedalean. Связывайте теорию статистического обучения с сертификационными рамками EASA в авиации.
Описание
- Анализируйте и разрабатывайте стратегии сертификации для обучения с учителем.
- Согласовывайте математические гарантии, технические аргументы и оценку моделей с W-образным процессом сертификации ИИ EASA.
- Исследуйте теорию статистического обучения, границы обобщения и гарантии для глубоких нейронных сетей в меняющихся реальных условиях.
- Применяйте статистику и стохастические процессы для моделирования неопределённости окружающей среды и шума датчиков, а также для оценки доверия к метрикам производительности.
- Оценивайте исследовательскую литературу, математические доказательства и инженерные допущения с тщательностью экспертного рецензирования.
- Разрабатывайте технические обоснования и логические аргументы для аудитов безопасности и сертификационных рамок.
- Пишите воспроизводимый код на Python для проверки гипотез, валидации методов сертификации и сравнительной оценки систем сертификации безопасности моделей.
Требования
- Глубоко разбираться в теории статистического обучения, границах обобщения и математических основах глубоких нейронных сетей.
- Иметь прочную базу в теории вероятностей высокого уровня, статистическом моделировании и стохастических процессах.
- Владеть Python и уметь писать понятный воспроизводимый код; при сильной теоретической подготовке базовые навыки программирования можно приобрести в процессе работы.
- Уметь тщательно анализировать литературу, выявлять пробелы в современных исследованиях ИИ и переводить академические концепции в инженерные рамки; при сильной количественной подготовке этому можно научиться.
- Иметь опыт или способность проводить экспертное рецензирование, включая критическую оценку математических доказательств, алгоритмических допущений и научных работ.
- Учиться в магистратуре или аспирантуре либо недавно получить степень магистра или PhD по информатике, математике, теоретической статистике, электротехнике, физике или смежной количественной исследовательской области.
- Мыслить критически и сохранять здоровый скептицизм по отношению к допущениям машинного обучения и точности эмпирических результатов.
- Уметь особенно убедительно выстраивать логические аргументы и технические обоснования.
- Быть мотивированным решать математические задачи на стыке теоретической информатики, инженерии безопасности и реальной эксплуатации воздушных судов.