Zertifizierungsforscher für maschinelles Lernen

Über die Rolle
Stellen Sie sich vor, Sie würden Pionierarbeit bei den mathematischen und logischen Grundlagen leisten, die es KI ermöglichen, in der realen, sicherheitskritischen Luftfahrt sicher zu fliegen. Als Zertifizierungsforscher für maschinelles Lernen werden Sie sich mit einer der grundlegendsten Herausforderungen der modernen KI befassen: dem Nachweis, dass ML-Modelle sicher, zuverlässig und mathematisch fundiert für den Einsatz im autonomen Flug sind. Ihre Arbeit wird die Lücke zwischen modernster statistischer Lerntheorie und formalen Luftfahrtzertifizierungsrahmen schließen, indem Sie auf früheren Arbeiten (EASA CoDANN I und II und FAA-Bericht DOT/FAA/TC-21/48) aufbauen und reale Systeme auf die Probe stellen.
Bei Destinus gestalten wir die Zukunft der Verteidigung durch autonome Hochgeschwindigkeitsflugtechnologien. Wir entwickeln unbemannte Flugsysteme der nächsten Generation, die höhere Geschwindigkeit, Präzision und Effizienz bieten und Regierungen und Verteidigungsorganisationen weltweit bei geschäftskritischen Einsätzen unterstützen. Die Daedalean AG, das KI- und Autonomiezentrum der Destinus-Gruppe, spielt eine Schlüsselrolle in dieser Vision – die Entwicklung sicherheitskritischer KI-Systeme an der Schnittstelle zwischen fortschrittlicher Forschung und realer Luftfahrt. Indem wir Maschinen in die Lage versetzen, in Echtzeit wahrzunehmen, zu verstehen und Entscheidungen zu treffen, kombinieren wir Luft- und Raumfahrttechnik und künstliche Intelligenz, um die nächste Generation autonomer Flugsysteme zu bauen und Innovationen dort voranzutreiben, wo es am wichtigsten ist.
Was Sie tun werden
• KI-Zertifizierungsstrategie: Analysieren Sie unsere bestehende KI-Zertifizierungsstrategie und helfen Sie bei der Anpassung – oder entwickeln Sie völlig neue Strategien –, um verschiedene überwachte ML zu zertifizieren.
• EASA-Framework-Anpassung: Verbinden Sie mathematische Garantien, technische Argumente und Modellbewertungen mit dem W-förmigen EASA-Prozess für die KI-Zertifizierung in der Luftfahrt und stellen Sie sicher, dass unsere Forschung mit den neuesten regulatorischen Richtlinien übereinstimmt.
• Theoretische Grundlagen und Modellierung: Führen Sie Forschungen zu statistischer Lerntheorie, Generalisierungsgrenzen und mathematischen Garantien für tiefe neuronale Netze durch, die unter dynamischen realen Bedingungen arbeiten.
• Unsicherheitsquantifizierung: Wenden Sie Statistiken und stochastische Prozesse an, um Umgebungsunsicherheiten und Sensorrauschen zu modellieren und das Vertrauen in Leistungsmetriken zu quantifizieren.
• Literatur- und Beweisbewertung: Bewerten Sie wissenschaftliche Literatur, mathematische Beweise und technische Annahmen kritisch mit der Genauigkeit von Peer-Reviews, um Sicherheitsbeschränkungen und theoretische Lücken in der hochmodernen KI zu identifizieren.
• Regulatorische und Audit-Begründung: Erstellen Sie robuste, logische Argumente und technische Begründungen, die komplexe, hochdimensionale empirische Daten in strukturierte Beweise für Sicherheitsaudits und Zertifizierungsrahmen übersetzen.
• Algorithmische Validierung: Schreiben Sie sauberen, reproduzierbaren Code in Python, um theoretische Hypothesen zu testen, Zertifizierungsmechanismen zu validieren und Modellsicherheits-Frameworks zu vergleichen.
Anforderungen
Was Sie brauchen
Theorie und Mathematik des maschinellen Lernens
• ML-Theorie und statistisches Lernen: Tiefes Verständnis der statistischen Lerntheorie, der Generalisierungsgrenzen und der mathematischen Grundlagen tiefer neuronaler Netze.
• Statistik und stochastische Prozesse: Umfangreiche Kenntnisse in fortgeschrittener Wahrscheinlichkeit, statistischer Modellierung und stochastischen Prozessen.
• Python Engineering: Kenntnisse in Python mit der Fähigkeit, sauberen, reproduzierbaren Code zu schreiben (kann auch am Arbeitsplatz erlernt werden, sofern fundierte theoretische Grundlagen und grundlegende Python-Codierung vorausgesetzt werden).
Forschungsstrenge
• Wissenschaftliche Forschungsmethodik: Nachgewiesene Fähigkeit oder Hintergrund in der Durchführung umfassender Literaturrecherchen, der Identifizierung von Lücken in der aktuellen, hochmodernen KI und der Synthese komplexer akademischer Konzepte in umsetzbare technische Rahmenbedingungen (kann auch am Arbeitsplatz erlernt werden, wenn Sie über eine starke quantitative Basis verfügen).
• Peer-Review-Fachwissen: Fähigkeit oder Erfahrung im Peer-Review-Prozess – fähig, mathematische Beweise, algorithmische Annahmen und Forschungsarbeiten kritisch zu bewerten, um ihre Gültigkeit und Grenzen zu beurteilen.
Bildung
• Sie streben derzeit einen Master- oder Doktortitel in Informatik, Mathematik, Theoretischer Statistik, Elektrotechnik, Physik oder einem verwandten quantitativen Forschungsgebiet an oder haben ihn kürzlich abgeschlossen.

Wer du bist
• Kritisches Denken und gesunde Skepsis: Sie besitzen einen starken Geist, alles in Frage zu stellen. Sie hinterfragen natürlich herkömmliche ML-Annahmen, suchen nach versteckten Randfällen und weigern sich, empirische Genauigkeit ohne strenge Beweise für bare Münze zu nehmen.
• Aufbau logischer Argumente: Sie verfügen über eine außergewöhnliche Fähigkeit, belastbare, schlüssige logische Argumente und technische Begründungen zu konstruieren. Sie können komplexe empirische Beobachtungen in strukturierte, vertretbare Beweise übersetzen, die strengen Anforderungen genügen
technische und behördliche Kontrolle.
• Gedeiht in Ambiguität: Sie werden durch schwierige, ungelöste mathematische Probleme an der Schnittstelle von theoretischer Informatik, Sicherheitstechnik und realem Flugbetrieb motiviert
Weitere englischsprachige Jobs in der Schweiz finden Sie auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.ch/jobs/companies/destinusgroup/machine-learning-certification-researcher-zurich-203268)