Destinus — європейська аерокосмічна й оборонна компанія, що розробляє автономні літальні системи для цивільного та оборонного застосування. Заснована у 2021 році, компанія проєктує та виробляє авіаційні технології для різних швидкісних діапазонів, зокрема перспективні гіперзвукові платформи. Її міждисциплінарна діяльність поєднує розроблення планерів, турбореактивні двигуни, програмне забезпечення для керування польотом, штучний інтелект і проєктування комплексних систем. У міру розширення команди Destinus відкриває можливості долучитися до розроблення автономних, ефективних і високошвидкісних авіаційних систем.
Дослідник машинного навчання у сфері сертифікації авіаційної безпеки
Досліджуйте математичні гарантії безпеки ШІ для автономних польотів у Destinus і Daedalean. Поєднуйте теорію статистичного навчання з сертифікаційними рамками EASA в авіації.
Опис
- Аналізуйте та розробляйте стратегії сертифікації для навчання з учителем.
- Узгоджуйте математичні гарантії, технічні аргументи й оцінювання моделей із W-подібним процесом сертифікації ШІ EASA.
- Досліджуйте теорію статистичного навчання, межі узагальнення та гарантії для глибоких нейронних мереж у мінливих реальних умовах.
- Застосовуйте статистику та стохастичні процеси для моделювання невизначеності довкілля й шуму сенсорів, а також оцінювання впевненості в метриках продуктивності.
- Оцінюйте дослідницьку літературу, математичні доведення та інженерні припущення з ретельністю експертного рецензування.
- Розробляйте технічні обґрунтування й логічні аргументи для аудитів безпеки та сертифікаційних рамок.
- Пишіть відтворюваний код Python для перевірки гіпотез, валідації методів сертифікації та порівняльного оцінювання систем сертифікації безпеки моделей.
Вимоги
- Глибоко розуміти теорію статистичного навчання, межі узагальнення та математичні основи глибоких нейронних мереж.
- Мати міцну базу з теорії ймовірностей поглибленого рівня, статистичного моделювання та стохастичних процесів.
- Володіти Python і вміти писати зрозумілий відтворюваний код; за сильної теоретичної підготовки базових навичок програмування можна набути під час роботи.
- Уміти ретельно аналізувати літературу, виявляти прогалини в сучасних дослідженнях ШІ та перетворювати академічні концепції на інженерні рамки; за міцної кількісної підготовки цього можна навчитися.
- Мати досвід або здатність проводити експертне рецензування, зокрема критично оцінювати математичні доведення, алгоритмічні припущення та наукові праці.
- Навчатися в магістратурі чи аспірантурі або нещодавно завершити магістратуру чи PhD з інформатики, математики, теоретичної статистики, електротехніки, фізики або суміжної кількісної дослідницької галузі.
- Мислити критично й зберігати здоровий скептицизм щодо припущень машинного навчання та точності емпіричних результатів.
- Мати виняткову здатність будувати обґрунтовані логічні аргументи й технічні обґрунтування.
- Бути мотивованим розв’язувати математичні задачі на перетині теоретичної інформатики, інженерії безпеки та реальної експлуатації повітряних суден.