Tietojenkäsittelytiede on aavistuksen näsäviisaasti ilmaistuna tiedettä tiedon käsittelystä. Nykyään tietojenkäsittelytiede hyödyntää vahvasti digitaalisia järjestelmiä. Käytännössä tietojenkäsittelytieteeseen kuuluu siis tiedon keräämiseen, tallentamiseen, välittämiseen, näyttämiseen, muuntamiseen sekä käsittelyyn liittyviä aihepiirejä. Käytännössä parhaan kuvan tietojenkäsittelytieteen tutkinnon rakenteesta Itä-Suomen yliopistossa saat kurssikuvauksista, jotka löydät alta. Kurssit ovat osapuilleen samat Kuopiossa ja Joensuussa, ainut isompi muuttuja on sivuainemahdollisuudet ja se että Serveriläiset opiskelevat Kuopiossa. (Joensuussa tietojenkäsittelytieteen ainejärjestönä toimii Skripti ry)
Yleisopinnot tukevat opiskelua erityisesti ensimmäisenä opiskeluvuotena.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
Orientaatio yliopisto-opiskeluun | Opiskelija tutustuu oppiaine- ja vertaistuutoroinnin, verkkomateriaalin, erilaisten orientaatiotapahtumien sekä oheismateriaalin avulla yliopistoon opiskeluympäristönä ja oppimisyhteisönä. Erityisesti tutustutaan oman oppiaineen opiskelukäytäntöihin ja opiskelua tukeviin palveluihin. Lisäksi saadaan tietoa akateemisen opiskelun edellyttämistä tiedoista ja taidoista sekä opiskelukyvystä ja sen ylläpitämisestä. | 1.00 |
Hops-tietojenkäsittelytiede | (Hops = henkilökohtainen opintosuunnitelma) | 2.00 |
Tieto- ja viestintätekniikka opiskelun tukena | Internetin edistyksellinen käyttö. Tietoturva, tekijänoikeudet ja sosiaalinen media opiskelussa. Pdf-tiedoston luominen. Office 365 ympäristö henkilökohtaisena oppimisympäristönä. Tekstinkäsittely (tekstin muokkaus ja muotoilu, listan muokkaus, ala- ja loppuviite, taulukon lisäys ja muokkaus, kuvan lisäys ja muokkaus, tyylin päivittäminen, ylä- ja alatunnisteet, sivunumerointi, otsikointi, sisällysluettelo). Esitysgrafiikan perusteet (dian muokkaus, muodot, teemojen käyttö, diatunnisteet). Taulukkolaskennan perusteet (taulukon muokkaus, perusfunktiot, kaavion luominen ja muokkaaminen). Yliopisto-opiskelun keskeiset verkkoresurssit. | 2.00 |
Perusopinnot antavat kokonaiskuvan tietojenkäsittelytieteestä ja rakentavat perustan aineopintojen kursseille.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
Johdatus tietojenkäsittelyyn | Informaatio, sen esittäminen ja tallentaminen ja sen käsittelemisen automatisointi. Ohjelmointi, ohjelmointikielet, ja kuinka niillä luodaan ohjelmia ja ohjelmistoja. Tiedon mallintaminen, tietokannat, tietoverkot ja kuinka tietoa hallitaan. Laskennan rajat. Suunnittelu, design ja älykkäät järjestelmät. Tietojenkäsittelyn ja tietojenkäsittelijän tehtävät ja vastuut yhteiskunnassa. | 5.00 |
Ohjelmointi I - Ohjelmoinnin perusteet | Johdatus ohjelmointiin: ohjelmiin perehtyminen, perusohjausrakenteet (peräkkäisyys, ehto, valinta) käyttötarkoituksineen, syöttö, tulostus ja tiedostonkäsittely, muuttujat, taulukot ja niiden käyttötavat, merkkijonot, modulaarisuuden idea ja hyödyntäminen funktioilla ja ohjelmien testaus. | 5.00 |
Ihminen ja vuorovaikutteinen teknologia | Johdatus ihmisen ja koneen väliseen vuorovaikutukseen ja käyttäjäkeskeiseen suunnitteluun. Alan peruskäsitteet, erilaiset vuorovaikutustavat ja -välineet. Käytettävyys ja käyttäjäkokemus. Vuorovaikutuslaitteet ja erilaiset käyttöliittymät. Käyttöliittymien suunnittelun perusteet. Graafisten käyttöliittymien suunnittelu ja arviointi. | 5.00 |
Tietokonejärjestelmät | Tietojärjestelmien perusteet; keskusyksikön osat, tehtävät ja toiminnat; tietokoneen muisti ja muistinhallinta; käyttöjärjestelmän periaatteet ja toiminta; loppukäyttäjän laiteet; IT-infrastruktuurin perusteet ja rakenne. Syventävä itseopiskeluosuus opintojakson sisältöä laajentavien aihealueiden pohjalta. | 5.00 |
Tietojärjestelmän suunnittelu | Kurssilla opetellaan erilaisten (viite)kehyksien käyttöä kohdealueen rakenteen ja sen elementtien kuvaamiseen sekä erilaisten kaavioiden tekemistä tietojärjestelmän suunnittelussa. Kehitysalustojen, kuten Azure DevOpsin, avulla opetellaan tuotteen kehitysjonon ominaisuuksien allokoimista. Kurssilla korostetaan suunnittelukuvausten sisällön ristiriidattomuutta, käyttäytymis- ja rakenne-elementtien sekä tietohakemisto- ja operaatiokuvauksien merkitystä sovelluskehityksessä ja tiedon hyödyntämisessä. | 5.00 |
Aineopintojen kursseilla opiskellaan tietojenkäsittelytieteen keskeiset perusasiat, jotka antavat teoreettiset perustiedot ja käytännön osaamista alan tehtäviin. Tämä muodostaa pohjan maisteriopinnoille.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
Diskreetit rakenteet | Propositio- ja predikaattilogiikka, joukko-oppi, funktiot ja relaatiot, kombinatoriikka, graafiteoria, matemaattinen induktio | 5.00 |
Ohjelmointi II | Olio-ajattelu ja mallintaminen, luokat ja oliot, tiedon kätkentä, luokka- ja oliokohtaiset muuttujat, luokka- ja oliokohtaiset metodit, rakentaja ja tuhoaja, periytyminen (on jotakin -suhde), monimuotoisuus, abstraktit luokat, rajapintaluokat, osasuhde ja käyttösuhde (on jollakin -suhde), säikeet, poikkeukset olioiden kannalta. Tapahtuma-ohjattu ohjelmointi, säiliöluokat ja geneeriset luokat. | 5.00 |
Tiedonhallinta ja SQL | Tiedonhallinta käsitteenä; relaatiotietokantojen suunnittelu; käsiteanalyysi ja ER-kaavio; tietomallit; SQL-kielen perusteet; tietokannanhallintajärjestelmät (esim. MariaDB); pienimuotoinen tietokantoihin perustuva sovelluskehitys | 5.00 |
Ohjelmistotuotanto I | Teoria 2 op + projekti/harjoitustyö 3 op. Vaatimustenhallinta. Elinkaarimallit. Ohjelmistoprojektin hallinta. Johdantoa tietojärjestelmien ja ohjelmistotekniikan käsitteisiin ja ohjelmistotyön ongelmia. Dokumentointi. Projektissa: projektikortti - arvioitu aikataulu, projektin seuranta - oman ajankäytön seuranta, toteutus, loppuraportti, katselmointi ja palaverikäytännöt, arkkitehtuurisuunnitelma annetaan valmiina perusteluineen | 5.00 |
Web-ohjelmointi | HTML5 ja CSS. JavaScript perusteet. CSS- ja JavaScript-kirjaston hyödyntäminen | 5.00 |
Tietorakenteet ja algoritmit I | Algoritmit ja aikavaativuusanalyysi. Abstraktit tietotyypit. Tietorakenteiden toteuttaminen. Haku- ja lajittelualgoritmit. Rekursiiviset algoritmitoteutukset. | 5.00 |
Tietorakenteet ja algoritmit II | Algoritmit ja aikavaativuusanalyysi. Graafit, graafialgoritmit ja niiden soveltaminen. Kokeellinen aikavaativuusanalyysi. Massamuistia tehokkaasti käyttävät algoritmit. | 4.00 |
Laskennan perusmallit | Tietojenkäsittelyteorian alkeiden hallinta. Säännöllisten kielten ja kontekstittomien kielten kuvaamisessa ja käsittelemisessä tarvittavien perusvälineiden ja -tekniikoiden hallinta. Käsitys laskettavuuden ja ratkeavuuden perusteista, Churchin-Turingin teesistä ja näiden keskeisistä perusteluista ja seurauksista. | 4.00 |
Ohjelmistotuotanto II | UML. Versionhallinta. Projektinhallintajärjestelmä (MS-project). Testaus. Iteratiiviset mallit. Projektin seuranta - projektityön mittarointi (dashboards, riskinhallinta). Arkkitehtuurisuunnittelua. Määrittely. Projekti: ulkoinen asiakas/projektiryhmän oma aihe. | 10.00 |
Johdatus tietoturvaan | Tietoturvan perusteet, tietoturvan termistö, kryptografia, autentikointi, pääsynvalvonta, tietokantojen tietoturva, pilvipalveluiden tietoturva, haittaohjelmat, palvelunestohyökkäykset, palomuurit, hyökkäysten havaitsemis-/estojärjestelmät, verkkoturvallisuus, langaton tietoturva, IoT-laitteiden tietoturva, fyysinen tietoturva, organisaation tietoturvapolitiikka, GDPR-tietosuoja-asetus. | 5.00 |
Hajautetut ja samanaikaiset järjestelmät | Hajautetun järjestelmän peruskäsitteet ja haasteet. Hajautetun järjestelmän mallit (rakenne-, vuorovaikutus-, vika- ja turvallisuusmallit). Kommunikaatio ja kommunikaatioprotokollat hajautetuissa järjestelmissä. Hajautetun järjestelmän tietoturva. Samanaikaisuuden peruskäsitteet ja haasteet. Säikeiden koordinointi ja säikeiden välinen kommunikaatio. | 5.00 |
Aineopintojen seminaari | Kandidaatin tutkielmaan liittyvän kirjallisuuskatsauksen tekeminen, tutkimussuunnitelman tekeminen, ja tutkielmaan liittyvän seminaariesityksen pitäminen sekä muiden pitämien seminaariesitelmien arvioiminen. Seminaari tehdään samanaikaisesti kandidaatin tutkielman kanssa. | 2.00 |
LuK-tutkielma ja kypsyysnäyte | Tutkimussuunnitelman ja tieteellisen tutkielman laatiminen annetusta tutkimusaiheesta. Tutkielma laaditaan aineopintojen seminaarissa annettujen ohjeiden mukaisesti nimetyn ohjaajan valvonnassa. Tutkielma esitellään suullisesti aineopintojen seminaarissa. | 6.00 |
Valinnaisia aineopintoja kuuluu tutkintoon vähintään 5 op. Ne sijoittuvat toiseen ja kolmanteen opiskeluvuoteen. Kurssit käsittelevät tietojenkäsittelyn erilaisia kiinnostavia osa-alueita, jotka tukevat ammatillista osaamista ja antavat osaltaan pohjaa maisteriopinnoille.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
Johdatus testaukseen | Ohjelmistovirheet, testauksen vaiheet, testausmenetelmät, regressiotestaus, testauksen automatisointi, testausprosessin kehittäminen | 4.00 |
Johdatus algoritmiseen data-analyysiin | Data-analyysin vaiheet. Kuvailevan ja ennustavan data-analyysin peruskäsitteet. Assosiaatiosääntöjen ja kattavien joukkojen louhinta. Yleisimmät ryhmittelyalgoritmit. Verkkojen analysoinnin perusteet. Päätöspuut, naiivi Bayes -luokkitelijat ja lineaariset luokittelijat. Ydinkikka. Tulosten merkitsevyyden testaus. Poikkeuksien havaitseminen ja analysointi. Yksityisyys ja syrjiminen data-analyysissä. Menetelmien tehokas toteutus | 4.00 |
Datasta näkemyksiä | Datasta saadaan näkemyksiä (eli merkityksellisiä tietoja) esille hyödyntämällä ohjelmointikielien kirjastoja tai käyttämällä erilaisia valmisohjelmistoja – opetellaan erilaisten valmisohjelmistojen avulla tuottamaan automaattisesti datasta esimerkiksi ennakointimalleja ja pikanäkemyksiä, jotka auttavat kiinnittämään huomiota esimerkiksi poikkeamiin ja trendeihin. Erilaisten automaattisti tuotettujen ennakointimallien ja pikanäkemysten pohjalta voidaan muodostaa tarkentavia kysymyksiä ja tunnistaa datasta muuttujia, jotka kannattaa huomioida esimerkiksi piirresuunnittelussa – opetellaan kuvailemaan data-aineiston muuttujat ja arvioimaan data-aineistojen käyttökelpoisuutta. Lisäksi opetellaan muuntamaan dataa ja yhdistelemään erilaisia data-aineistoja tarkoituksellisien analyysien ja tilannekuvien tekemiseksi. | 4.00 |
Digitaalisten oppimisympäristojen toteutusteknologiat | Opettajan rooli ja pedagogiset ratkaisut digitaalisissa oppimisympäristöissä, oppimisympäristöjen suunnittelu- ja arviointinäkökohdat. Virtuaaliset ja mobiilit oppimisympäristöt, robotiikka ja sulautetut järjestelmät opetuksessa, esineiden internet, oppimisen tiedonlouhinta ja oppimisanalytiikka digitaalisissa oppimisympäristöissä. | 4.00 |
Laskennallinen älykkyys I | Opintojakson aikana opitaan tekemään yleisiä johtopäätöksiä käyttäjän kokemuksista, markkinoinnista, henkilökohtaisista mieltymyksistä ja ihmisten käyttäytymisestä. Opintojaksolla tutustutaan myös mm. hakukoneiden toimintaan ja tietoverkoissa tapahtuvaan sosiaaliseen kanssakäymiseen. Opintojaksolla esitellään koneoppimista tietojenkäsittelytieteen opiskelijoille ja myös muille opiskelijoille, jotka eivät välttämättä omaa vahvaa matemaattista taustaa. Opintojaksolla käsitellään mm. seuraavia asioita: Suositusten antaminen, Datan klusterointi, Hakukoneet, Dokumenttien suodattaminen, Päätöspuut (decision trees), Bayes-luokittelijat (Bayesian classifiers), Neuroverkot (neural networks) ja Deep Learning (ml. data-analytiikan käytännön esimerkkejä). | 4.00 |
Tietojärjestelmän suunnittelu | Erilaiset (viite)kehykset auttavat kuvaamaan kohdealueen rakenteen ja määrittelevät keskeiset termit sekä auttavat kuvaamaan kohdealueen rakenteeseen kuuluvia entiteettejä ja niiden välisiä suhteita (puhutaan metamalleista) – opetellaan lukemaan erilaisia organisaation tietojen, toimintojen, tietojärjestelmien ja/tai teknologioiden kuvaamiseen tarkoitettuja (viite)kehyksiä kuten IT4IT ja TOGAF 9.2. Erilaiset mallinnuskielet laajentavat/syventävät metamallien kuvauskohteita – opetellaan tekemään erilaisia tietojärjestelmän suunnitteluun kuuluvia kaavioita esimerkiksi Archimate ja Unified Modeling Language (UML) kuvauskielillä. Erilaiset kehitysalusta, kuten Azure, tarjoavat erilaisia työprosesseja (kuten Agile) ja kehitysputkien avulla on mahdollista kehittää erilaisia sovelluksia DevOps-kehitystavalla. Lisäksi kehitysalustat auttavat erilaisten arkkitehtuurien omaksumisessa. | 4.00 |
Liiketoiminta keskeinen data-analytiikka | - | 4.00 |
Aineopintojen harjoitustyö |
| 5.00 |
Aineopintojen harjoittelu | Kahden tai kolmen kuukauden harjoittelu yrityksessä sisältäen esim. ohjelmointia, määrittelyä, suunnittelua, dokumentointia, testausta ja/tai ylläpitoa. Opintojakso vain pääaineena tkt:ta lukeville. | 8.00 |
Robotiikka | Robotiikkaa yhteiskunnassa. Robotiikan perusteet: robottien rakenne, sensorit ja aktuaattorit, ohjelmointiympäristöt sekä ROS (Robotics Operating System), Lego Mindstorms –projekteja, Arduino-robotiikka, elektroniikka Arduinoissa, sensorit ja aktuaattorit, Arduino-projekteja, navingointi- ja suunnittelualgoritmit robotiikassa, koneoppimis- ja optimointialgoritmit robotiikassa. Lopputyö. | 4.00 |
Johdatus sulautettuihin järjestelmiin | Sulautettujen järjestelmien määritelmiä, piirteitä ja esimerkkejä eri sovellusalueilta. Laitemarkkinat ja työllistävä vaikutus. Sulautetun järjestelmän suunnitteluprosessi. Termejä ja käsitteitä, esim. logiikat, ajoitukset, väylät. Ohjelmistot ja ohjelmointi. Reaaliaikajärjestelmät. Testaus. Ympäristönäkökulmat. | 4.00 |
Android ohjelmoinnin perusteet | Kurssilla tutustutaan mobiiliohjelmoinnin perusteisiin ja erityispiirteisiin sekä erityisesti Android-alustalle rakennettavien mobiilisovellusten tekemiseen Android Studio ympäristössä. Kurssilla käydään läpi seuraavia aihepiirejä: · Graafisen käyttöliittymän rakentaminen, asettelu ja komponentit. · Ohjelman ajaminen emulaattorilla. · Käyttöliittymää määrittelevät XML-tiedostot ja niiden muokkaus. · Ohjelman toiminnallisuuden määrittelevät tiedostot. · Kuvien ja viestien käyttö. · Kosketuksen käsittely, piirtäminen. · Valikot sekä äänet. | 4.00 |
Kieli- ja viestintäopinnot tukevat tietojenkäsittelytieteen opintoja ja antavat perustaidot ruotsin ja englannin kielten akateemiselle osaamiselle.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
Kirjoitusviestintää tietojenkäsittelytieteen opiskelijoille | opintojen ja työelämän kannalta keskeiset tekstilajit sekä tieteen viestinnän erityispiirteet oikeakielisyys ja huoliteltu teksti argumentoinnin keinot tyyli ja tarkoituksenmukainen sävy kriittinen lukutapa ja tekstianalyysi kirjoitusprosessin hallinta ja erityisesti oman kandidaatintutkielman työstäminen tekstien kohdentaminen lukijoille ja yleistajuinen viestintä rakentavan palautteen antaminen ja vastaanottaminen | 2.00 |
Puheviestintää tietojenkäsittelytieteen opiskelijoille | Vuorovaikutusosaaminen ja sen kehittäminen, vuorovaikutus omalla ammatti- ja tieteenalalla, vuorovaikutuskeskeisyys, reagoiva kuunteleminen, kohderyhmän huomioon ottaminen, palautteen antaminen ja vastaanottaminen, yhteistyötaidot. | 2.00 |
Kirjoitusviestintää tietojenkäsittelytieteen opiskelijoille | • opintojen ja työelämän kannalta keskeiset tekstilajit sekä tieteen viestinnän erityispiirteet • oikeakielisyys ja huoliteltu teksti • argumentoinnin keinot • tyyli ja tarkoituksenmukainen sävy • kriittinen lukutapa ja tekstianalyysi • kirjoitusprosessin hallinta ja erityisesti oman kandidaatintutkielman työstäminen • tekstien kohdentaminen lukijoille ja yleistajuinen viestintä • rakentavan palautteen antaminen ja vastaanottaminen | 2.00 |
Yleisopinnot tukevat opiskelua erityisesti ensimmäisenä opiskeluvuotena.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
HOPS Tietojenkäsittelytiede(FM) | Hops Tietojenkäsittelytiede(FM) | 1.00 |
Advanced English Academic and Professional Communication for Applied Physics, Computer Science and Environmental Science | Opintojaksolla käydään läpi kulttuurin vaikutusta viestintään, akateemisen kirjoittamisen erityispiirteitä sekä tieteellisen kirjoittamisen osa-alueita. Käydään läpi keskeisiä englannin rakenteita sekä tarvittavia kieliopillisia seikkoja. Lisäksi harjoitellaan oman alan tieteellistä suullista ja kirjallista viestintää. | 2.00 |
Algoritmien suunnittelu ja analysointi | Algoritmien suunnitteluperiaatteet ja niiden soveltaminen tietojenkäsittelytehtäviin. Keskeisiä algoritmien analysointitekniikoita ja suunnitteluperiaatteita, kuten hajoita-ja-hallitse sekä dynaaminen ohjelmointi. NP-täydellisyys ja rakenteisen vaativuusteorian perusteet. Esimerkkejä tietorakenteista ja NP-kovien laskentaongelmien ratkaisukeinoista (esim. heuristiset, likimääräiset ja satunnaistetut menetelmät). | 6.00 |
Valinnaiset syventävät opintojaksot vuorottelevat eri vuosina. Valinnaisia syventävien opintojen opintojaksoja sopii tutkintoon 30-40 op tai jopa enemmän, riippuen omasta HOPS:sta. Valinnaiset syventävät opintojaksot kannattaa valinta omaan syventävien opintojen suuntautumiseen eli HOPS:iin sopiviksi sen lisäksi että ne sopivat omiin kiinnostuksen kohteisiin ja työllistymisen tukemiseen.
| Opintojakso | Kurssikuvaus | Laajuus (opintopisteet) |
|---|---|---|
Rinnakkaislaskenta | Johdatus rinnakkaislaskentaan, rinnakkaisalgoritmeihin ja rinnakkaisohjelmointiin. Rinnakkaislaskennan mallit, arkkitehtuurit ja rinnakkaisalgoritmien suunnitteluperiaatteet. Rinnakkaisohjelmien toteutus erilaisilla alustoilla. | 5.00 |
Ryhmittelymenetelmät | Ryhmittely on perustyöväline tietoanalyysissä, hahmotunnistuksessa ja tiedon louhinnassa ennestään tuntemattomien ryhmien löytämiseksi. Kurssilla opitaan algoritmeja ryhmien määrän ja sijainnin löytämiseen. Kurssilla käsittellän myös piirreirroitusta, tiedon normalisointia ja häiriöpisteiden poistamista. | 5.00 |
Algoritmien erikoiskurssi | Kurssilla käsitellään valittuja aiheita algoritmiikasta ja laskennasta yleisemmin. Aiheet sisältävät evolutionäärisiä algoritmeja, informaatio- teoriaa, tiedon tiivistämisen perusteita, branch-and-bound sekä muita tutkimuksesta esille nousevia aiheita | 5.00 |
Ohjelmistoprosessin hallinta | Ohjelmistoprosessin käytännöt, joilla hallitaan organisaation liiketoiminnallisten tavoitteiden mukaisten ohjelmistotuotteiden ja -palvelujen tuottamista. | 5.00 |
Modernin opetusteknologian perusteet | Opetusteknologian ajankohtaiset kehityssuunnat. Opetusteknologian uusimpiin ratkaisuihin tutustuminen sekä niiden soveltaminen opetuksessa. | 5.00 |
Ihmisen ja tietokoneen vuorovaikutus | Ihmisen ja tietokoneen asettamat vaatimukset ja rajoitukset vuorovaikutuksen toteuttamisen kannalta. Erilaiset mallit ja teoriat vuorovaikutuksesta. Suunnitteluprosessit vuorovaikutuksen toteuttamiseksi. | 5.00 |
Digitalisaation perusteet | Tämä kurssi esittelee automaation mekanismeja aloilla joiden sisältöä ja työllisyystilannetta digitalisaatio on muuttanut. Kurssi esittelee noiden muutosten yhtäläisyyksiä ja mekanismeja sekä ratkaisuehdotuksia ongelmiin. Kurssin aiheita ovat esimerkiksi tietotyön automatisointi, simulaatiot, virtuaalitodellisuus, pilvipalvelut, sekä muutokset esimerkiksi liikenteen, tieteen, terveydenhuollon ja opetuksen aloilla. | 5.00 |
Kehitys- ja opetusteknologia | Kurssilla tutustutaan laitoksen kehitys- ja opetusteknologian tutkimukseen. Kurssin aikana käsiteltävät teemat liittyvät kehitys- ja opetusteknologian erikoistumisalan jatko-opiskelijoiden väitöskirjaprojekteihin ja post-doc tutkimukseen. Kurssin sisältö vaihtelee vuosittain. | 5.00 |
Käyttäjäkeskeinen suunnittelu | Käyttäjäkeskeisen suunnittelun haasteet, menetelmät ja standardit. Inhimilliset tekijät suunnittelussa. Käyttäjäkeskeisen suunnittelun vaikutukset ohjelmistoprosessiin. | 5.00 |
Katseenseuranta | Näköaistin toiminta, visuaalinen attentio, pupillin koon mittaaminen, silmänliikkeet, katseenseurannan periaatteet, silmänliikedatan analysointi ja visualisointi, katseenseuranta käytettävyysmenetelmänä, reaaliaikainen katseenseurantaa hyödyntävä vuorovaikutus. | 5.00 |
Laskennallinen älykkyys II | Opintojaksolla esitetään yleiskatsaus modernin ”Smart anything anywhere” –yhteiskunnan erityispiirteisiin. Opintojaksolla käsitellään mm. seuraavia asioita: Soft ja hard tietojenkäsittely, Geneettiset algoritmit ja evoluutiolaskenta, jotka pystyvät ratkaisemaan monia vaikeita ongelmia, joiden vanhat menetelmät eivät toimi, biologisten järjestelmien inspiroima parviälykkyys, tekoäly (AI), Ihmisen aivot mallina (esim. Blue brain etc.), Neuroverkot, Hahmontunnistus, Nomadiälykkyys, Emergentit järjestelmät, jne. | 5.00 |
Konenäkö | Opintojaksolla käsitellään mm. seuraavia asioita: Konenäön historia Digitalinen kuva ja sen muodostuminen, erilaiset kuvahilat Binäärikuva, harmaatasokuva, värikuva, spektrikuva Kuva-algebra ja kuvahilan metriikoiden vaikutus menetelmiin Matemaattinen morfologia konenäössä Keskiset menetelmät, kuten dilaatio, eroosio, avaus, sulkeminen, vesirajamuunnos, jne.Etäisyysmuunnokset sekä binääri-, harmaaataso-, että värikuville | 5.00 |
Paikkatietoisten mobiilisovellusten kehitys | Kurssilla perehdytään paikkatietoa hyödyntävien mobiilisovellusten kehitykseen. Aluksi esitellään paikkatietoisten sovellusten taustaa, paikannusmenetelmiä ja kartoitusta. Tämän jälkeen keskitytään sovelluskehitykseen verkossa käyttäen HTML/JavaScript/-tekniikoita. Sovellusten taustalla olevat palvelinratkaisut käydään valmiiden API-komponenttien avulla. Kurssin loppuosassa perehdytään valikoituihin tutkimusongelmiin. | 5.00 |
Paikkatietoinen koneäly | Keskitymme koneälyn käyttöön paikkatietoisissa sovelluksissa. Tutkimusaiheet sisältävät (mutta eivät rajoitu) seuraaviin aiheisiin: hakukoneet, suositusjärjestelmät, web-louhinta, tapahtuman havaitseminen, työnnä/vedä -ilmoitukset, ryhmittely, sosiaaliset verkot, GPS-reitin analysointi, katuverkon muodostus. | 5.00 |
Laskennallinen väri | Kurssi esittelee tarkan värikuvantamisen antamia mahdollisuuksia ja ongelmia. Kurssilla esiteltävät laskennalliset menetelmät liittyvät värispektridatan approksimointiin ja värienhallintaan. | 5.00 |
Color Science Laboratory | Kokeellinen laboratoriotyö yksin tai ryhmässä tehtynä ja sen raportointi. Aihe vaihtuu vuosittain. | 5.00 |
Algorithmic Data Analysis | Kehittyneet luokittelumenetelmät. Tietovirtojen louhiminen. Aika- ja paikkaperustaisen data louhiminen. Poikkeuksien havaitseminen | 5.00 |
Matrix Decomposition Methods in Data Analysis | Matriisihajoltemien tulkinta. Ominaisarvohajotelma ja QR-hajotelma: käyttö data-analyysissä ja laskeminen. Singulaariarvohajotelma (SVD) ja pääkomponenttianalyysi (PCA): käyttö data-analyysissä ja perusalgoritmi SVD:n laskemiseen. Epänegatiivinen matriisihajotelma (NMF): käyttö, variaatiot ja eri algoritmityypit. Itsenäisten komponenttien analyysi (ICA): käyttö ja laskeminen. Sarake- ja sarake-rivi-hajotelmat (CX ja CUR): käyttö ja laskeminen. Matriisien täydentäminen ja matriisihajotelmat muissa algebroissa | 5.00 |
Tensor Decomposition Methods in Data Analysis |
| 5.00 |