機器學習研究員，航空安全認證
在 Destinus 和 Daedalean 研究自主飛行人工智慧的數學安全保證， 將統計學習理論與 EASA 航空認證架構相結合。
說明
- 審查並制定監督式機器學習的認證策略。
- 使數學保證、技術論證和模型評估符合 EASA 的 W 型人工智慧認證流程。
- 研究統計學習理論、泛化界限，以及深度神經網路在不斷變化的現實條件下的保證。
- 運用統計學和隨機過程為環境不確定性及感測器雜訊建模，並評估效能指標的可信度。
- 以同儕審查的嚴謹標準評估研究文獻、數學證明和工程假設。
- 為安全稽核和認證架構制定技術依據與邏輯論證。
- 撰寫可重現的 Python 程式碼，用於檢驗假設、驗證認證方法並對模型安全架構進行基準測試。
職位要求
- 深入理解統計學習理論、泛化界限以及深度神經網路的數學基礎。
- 具備扎實的高等機率論、統計建模和隨機過程基礎。
- 精通 Python，能夠撰寫清晰且可重現的程式碼；若理論基礎扎實，基本編碼技能可在工作中學習。
- 能夠全面檢視文獻、找出目前人工智慧研究中的缺口，並將學術概念轉化為工程架構；具備扎實定量基礎者可在工作中學習這些能力。
- 具備同儕審查經驗或相關能力，能批判性評估數學證明、演算法假設和研究論文。
- 正在攻讀或近期完成電腦科學、數學、理論統計學、電機工程、物理學或相關定量研究領域的碩士或博士學位。
- 具備批判性思考，並對機器學習假設和實證準確性保持審慎態度。
- 極其擅長建構嚴謹的邏輯論證和技術依據。
- 有動力解決橫跨理論電腦科學、安全工程和實際飛航作業的數學問題。