La Universitatea din București (Facultatea de Matematică și Informatică), în cadrul BSc/MSc in Pure & Applied Mathematics, Probability, Data Science & NLP, aprofundați fundamentele riguroase ale analizei convexe, teoriei probabilităților și statisticii matematice de înaltă dimensionalitate. Programul nostru integrează armonios orarul cursurilor, laboratoarelor și seminariilor universitare cu activitatea asincronă, remote, în pod-uri specializate de cercetare și dezvoltare (R&D). În loc de simple scripturi euristice, transferați 100% din aparatul matematic universitar — de la contracția covarianțelor Ledoit-Wolf până la frontiera eficientă Markowitz — direct în algoritmi de producție pentru alocarea optimă a calculului în rețele multi-agent. Fiecare demonstrație de seminar devine o garanție fermă de convergență și robustețe statistică în arhitectura noii economii autonome.
Activitatea este proiectată structural pentru a se plia între cursuri magistrale, laboratoare aplicate și teme de seminar. Fără ședințe sincron inutile sau constrângeri rigide de fus orar: contribuiți prin commit-uri matematice, PR-uri documentate riguros și deducții analitice în ritmul propriului program academic.
Beneficiați de o compensație orară competitivă de 20–45 USD/oră plătită direct remote, însoțită de o garanție academică strictă: în perioadele de parțiale, colocvii și sesiuni de examene, activitatea se suspendă complet (0 ore/săptămână) fără penalizări financiare sau pierderea locului rezervat în pod-ul de cercetare.
Cercetarea desfășurată în pod-uri se aliniază direct cu tezele de licență, disertațiile de masterat sau rapoartele doctorale, oferind oportunitatea de co-autorat pe preprinturi academice internaționale (2024–2026). În plus, beneficiați de acces liber la biblioteca curriculară avansată de 39 de ore CPE la {preprints_url}.
| Curs Universitar / Disciplină Teoretică | Formulare Matematică / Teoremă | Pod R&D Specializat | Aplicație în Sisteme Multi-Agent |
|---|---|---|---|
| Optimizare Convexă și Neliniară (Programare Pătratică) | min_w w^T Σ w s.t. w^T μ ≥ μ*, 1^T w = 1, w ≥ 0 |
POD-01 (Alocare Convexă de Calcul) | Alocarea ponderilor de calcul critic între agenți LLM eterogeni și verificatori deterministe: minimizarea varianței erorilor de execuție sub constrângeri de acuratețe țintă (μ*) și buget unitar de inferență. |
| Teoria Probabilităților și Procese Stocastice | N_eff = N / (1 + (N - 1)ρ̄) |
POD-01 (Ortogonalizarea Ansamblurilor de Agenți) | Demonstrarea faptului că 50 de prompturi corelate la un coeficient mediu ρ̄ = 0,70 oferă doar N_eff ≈ 1,42 experți independenți; utilizarea descompunerilor ortogonale pentru decorelarea fluxurilor cognitive multi-agent. |
| Statistică Matematică de Înaltă Dimensionalitate și Econometrie (N > T) | Σ̂_LW = (1 - δ*)S + δ*F |
POD-02 (Estimare Robustă a Covarianței) | Contracția matricii de covarianță Ledoit-Wolf și filtrarea spectrului de zgomot Marčenko-Pastur pe seturi scurte de evaluare a benchmark-urilor, eliminând singularitatea empirică atunci când numărul de agenți depășește eșantionul de teste (N > T). |
| Teoria Riscului Actuarial și a Valorilor Extreme | Σ⁻_ij = E[min(R_i-τ,0)min(R_j-τ,0)], CVaR_99%(L_w) ≤ M_audit |
POD-02 (Controlul Riscului de Coadă & Auditabilitate) | Implementarea semivarianței inferioare (Markowitz 1959) și a valorii condiționate la risc (Rockafellar-Uryasev CVaR 99%) pentru limitarea halucinațiilor și a erorilor catastrofale sub pragul critic de auditabilitate M_audit. |
| Economie Financiară Cantitativă și Calcul Stocastic | w_tan ∝ Σ⁻¹(μ - c·1), SR(w) = w^T(μ - c) / √(w^T Σ w) |
POD-03 (Teorema de Separare Tobin & Calcul Hibrid) | Teorema de separare a fondurilor (Tobin): tratarea compilatoarelor și verificatorilor deterministe ca activ fără risc (variabilitate nulă, σ₀ = 0) combinat cu portofoliul de tangență al agenților generativi, maximizând coeficientul Sharpe al certitudinii semantice. |
| Testarea Secvențială a Ipotezelor și Analiză Decizională | P(Type I Error) ≤ α (Neyman-Pearson FrugalGPT/RouteLLM Cascade) |
POD-04 (Rutare Multi-Nivel & Validare Statistică) | Rutare optimă în cascadă inspirată de lema Neyman-Pearson (arhitecturi FrugalGPT și RouteLLM) pentru garantarea ratei de eroare de tip I sub pragul α, conectată cu preprinturile curriculare de 39 de ore CPE la {preprints_url}. |
1. Centrul de Carieră FMI UB / UPB / ASE / UBB Cluj: Dacă accesați acest program prin portalul oficial de cariere Centrul de Carieră FMI UB / UPB / ASE / UBB Cluj al Universitatea din București (Facultatea de Matematică și Informatică), menționați în scrisoarea de intenție cursurile relevante de matematică absolvite (algebră liniară, optimizare convexă, teoria probabilităților) și includeți link-ul către depozitul dumneavoastră GitHub sau teza de seminar pentru o alocare accelerată în pod-ul tehnic corespunzător. (RSS/XML Job Feed · iCal Open Office Hours · Google Classroom)
2. Python Seminar & Thesis Kit (/uni/ro-university-of-bucharest/lab.py): Kit demonstrativ de laborator (Python/NumPy/SciPy) reproductibil și executabil în 5 minute: simulează o matrice de corelație empirică pentru N agenți LLM, calculează numărul efectiv de experți independenți N_eff în funcție de nivelul de corelație medie ρ̄ și aplică estimatorul analitic de contracție a covarianței Ledoit-Wolf Σ̂_LW pentru a stabiliza frontiera eficientă de alocare.