Examensarbete, 30 HP: Reinforcement Learning för klarering av styrsystem i stridsflygplan
Teknik, data och digitalt · Data, AI och analys · Maskininlärning · Mjukvaruutveckling
I korthet
Examensarbete på 30 HP hos Saab i Linköping som utforskar användningen av Reinforcement Learning (RL) för att identifiera worst-case manövrar och förbättra klareringsprocessen för styrsystem i stridsflygplan. Projektet kombinerar AI, optimering och simulering för att lösa verkliga utmaningar inom flygteknik.
Ansvarsområden
- Undersöka hur RL-baserade metoder kan identifiera worst-case manövrar.
- Utveckla och utvärdera ett ramverk för en effektiv och systematisk klareringsprocess.
- Kombinera artificiell intelligens, optimering och simulering.
- Analysera och visualisera utforskade testfallsparametrar för beslutsstöd.
- Genomföra litteraturstudie på tidigare forskning.
- Formulera lämpliga 'reward functions'.
- Designa och implementera RL-ramverkets arkitektur.
- Presentera data och worst-case fall.
- Jämföra med nuvarande metodik.
Krav
- Student som är i slutet av civilingenjörsutbildning inom teknisk fysik, datateknik eller motsvarande.
- Ska påbörja examensarbete om 30 hp.
- God analytisk förmåga.
- Fallenhet för att tänka utanför boxen.
- Intresse för maskininlärning, optimering och programmering.
Önskade kvalifikationer
- Intresse för flyg är meriterande.
- Utbildning/erfarenhet inom maskininlärning, specifikt Reinforcement Learning.
- Goda kunskaper inom exempelvis Python, Git och Matlab.
Förmåner
- Möjlighet att tillämpa teoretiska kunskaper på verkliga utmaningar.
- Samarbeta med erfarna ingenjörer och specialister.
- Få ovärderlig praktisk erfarenhet.
- Bidra till Saabs tillväxt och utveckling.
- Stöd och vägledning för att omsätta teoretiska kunskaper i praktiska lösningar.
- Möjlighet att bli en drivande kraft bakom Saabs tekniska framsteg.
#AI#Machine Learning#Reinforcement Learning#Aerospace#Control Systems#Verification#Simulation
Företag
Saab
Publicerade jobb
för 1 vecka sedan
Upphör
om 1 månad
Anställningstyp
Praktik
Arbetsform
På plats
Erfarenhetsnivå
Junior
Platser
Linköping, Sweden
Kvalifikation
Masterexamen
Sökande
Ansök tidigt