Destinus är ett europeiskt flyg- och försvarsföretag som utvecklar autonoma flygsystem för civila tillämpningar och försvarsändamål. Företaget grundades 2021 och utformar och tillverkar flygteknik för flera olika hastighetsområden, inklusive framtida hypersoniska plattformar. Det tvärvetenskapliga arbetet omfattar bland annat flygplansstruktur, turbojetframdrivning, flygmjukvara, artificiell intelligens och komplett systemdesign. I takt med att Destinus utökar sitt team erbjuds möjligheter att bidra till utvecklingen av autonoma, effektiva och höghastighetsbaserade flygsystem.
Maskininlärningsforskare inom certifiering av flygsäkerhet
Forska om matematiska säkerhetsgarantier för AI inom autonom flygning hos Destinus och Daedalean. Koppla statistisk inlärningsteori till EASA:s ramverk för flygcertifiering.
Beskrivning
- Granska och utveckla certifieringsstrategier för övervakad maskininlärning.
- Anpassa matematiska garantier, tekniska argument och modellevalueringar till EASA:s W-formade certifieringsprocess för AI.
- Undersök statistisk inlärningsteori, generaliseringsgränser och garantier för djupa neurala nätverk under föränderliga förhållanden i verkligheten.
- Använd statistik och stokastiska processer för att modellera osäkerhet i omgivningen och sensorbrus samt bedöma tillförlitligheten hos prestandamått.
- Bedöm forskningslitteratur, matematiska bevis och tekniska antaganden med samma noggrannhet som vid sakkunniggranskning.
- Ta fram tekniska motiveringar och logiska argument för säkerhetsrevisioner och certifieringsramverk.
- Skriv reproducerbar Python-kod för att testa hypoteser, validera certifieringsmetoder och jämföra ramverk för modellsäkerhet.
Krav
- Ha djup förståelse för statistisk inlärningsteori, generaliseringsgränser och de matematiska grunderna för djupa neurala nätverk.
- Ha en stark grund i avancerad sannolikhetslära, statistisk modellering och stokastiska processer.
- Behärska Python och kunna skriva tydlig, reproducerbar kod. Grundläggande programmeringskunskaper kan utvecklas i arbetet om du har en stark teoretisk grund.
- Kunna göra grundliga litteraturgenomgångar, hitta luckor i aktuell AI-forskning och omsätta akademiska begrepp i tekniska ramverk. Detta kan läras in med en stark kvantitativ grund.
- Ha erfarenhet av eller förmåga att utföra sakkunniggranskning, inklusive kritisk bedömning av matematiska bevis, algoritmantaganden och forskningsartiklar.
- Studera på eller nyligen ha avslutat en master- eller doktorsexamen inom datavetenskap, matematik, teoretisk statistik, elektroteknik, fysik eller ett närliggande kvantitativt forskningsområde.
- Tänka kritiskt och förhålla dig sunt skeptisk till antaganden inom maskininlärning och empirisk träffsäkerhet.
- Ha mycket god förmåga att bygga hållbara logiska resonemang och tekniska motiveringar.
- Vara motiverad att ta dig an matematiska problem inom teoretisk datavetenskap, säkerhetsteknik och verklig flygverksamhet.