机器学习研究员，航空安全认证
在 Destinus 和 Daedalean 研究自主飞行人工智能的数学安全保证， 将统计学习理论与 EASA 航空认证框架相结合。
描述
- 审查并制定监督式机器学习的认证策略。
- 使数学保证、技术论证和模型评估符合 EASA 的 W 型人工智能认证流程。
- 研究统计学习理论、泛化界限，以及深度神经网络在不断变化的现实条件下的保证。
- 运用统计学和随机过程对环境不确定性及传感器噪声建模，并评估性能指标的可信度。
- 以同行评审的严谨标准评估研究文献、数学证明和工程假设。
- 为安全审计和认证框架制定技术依据与逻辑论证。
- 编写可复现的 Python 代码，用于检验假设、验证认证方法并对模型安全框架进行基准测试。
任职要求
- 深入理解统计学习理论、泛化界限以及深度神经网络的数学基础。
- 具备扎实的高等概率论、统计建模和随机过程基础。
- 精通 Python，能够编写清晰且可复现的代码；如果理论基础扎实，基本编码技能可在工作中学习。
- 能够全面审阅文献、识别当前人工智能研究中的空白，并将学术概念转化为工程框架；具备扎实的定量基础者可在工作中学习这些能力。
- 具备同行评审经验或相关能力，能够批判性评估数学证明、算法假设和研究论文。
- 正在攻读或近期完成计算机科学、数学、理论统计学、电气工程、物理学或相关定量研究领域的硕士或博士学位。
- 具备批判性思维，并对机器学习假设和实证准确性保持审慎态度。
- 极其擅长构建严谨的逻辑论证和技术依据。
- 有动力解决横跨理论计算机科学、安全工程和实际飞行运行的数学问题。