Helsingin yliopisto Tietojenkäsittelytieteen laitos
 

Tietojenkäsittelytieteen laitos

Tietoa laitoksesta:

 

Algoritmien ja koneoppimisen erikoistumislinja

Tulevaisuuden tietojärjestelmät sisältävät yhä enemmän älykkäitä osia, joiden toteuttaminen perustuu usein koneoppimiseen. Monimutkaisten mallien oppiminen edellyttää laskennallisesti vaativia menetelmiä. Lisäksi jatkuvasti kasvavat datamäärät asettavat omia vaatimuksiaan algoritmien tehokkuudelle. Erikoistumislinjan keskeinen ongelma-alue onkin tehokkaiden algoritmien löytäminen älykkäiden järjestelmien tarpeisiin ja näiden algoritmien laajempi soveltaminen esim. biologisiin aineistoihin. Linjalla tarkastellaan myös yleisemmin tehokkaiden algoritmien ja tekoälyn teoriaa ja sovelluksia.

Linjalta valmistuvat sijoittuvat tyypillisesti teknisiksi asiantuntijoiksi tai tutkijoiksi. Opintojen antamat yleiset metodiset valmiudet mahdollistavat toimimisen sekä elinkeinoelämässä että akateemisessa maailmassa myös tietojenkäsittelyä soveltavissa hankkeissa.

Linjan vastuuprofessori keväällä 2010 on Jyrki Kivinen.

Linjan erikoistuutor on Tomi Pasanen.

Tutkintovaatimukset

Algoritmien ja koneoppimisen erikoistumislinja muodostettiin syksyllä 2008 yhdistämällä vanhat algoritmien erikoistumislinja, älykkäiden järjestelmien erikoistumislinja sekä tiedonhallinnan erikoistumislinjan tiedonlouhintaa käsittelevä osa. Syksystä 2008 syventävien opintojen opetus järjestetään nykyisten tutkintovaatimusten mukaan ja kurssit poikkeavat huomattavasti aiemmista. Jos aiot muodostaa nykyisistä kursseista vuosien 2005–2008 vaatimusten mukaisen tutkinnon jollekin em. linjalle, on varminta selvittää kurssien vastaavuudet linjan vastuuprofessorin tai erikoistuutorin kanssa. Tärkeimmät vastaavuudet löytyvä laitoksen tutkinnonuudistussivulta.

Linjan opetus suunnitellaan siten, että kesään 2011 asti luennoidaan myös vuosien 2005–2008 tutkintovaatimusten mukaiset kurssit tai niitä vastaavat kurssit.

Luonnontieteiden kandidaatti

Tietojenkäsittelutieteen LuK-tutkinnossa ei ole erikoistumislinjoja, vaan kaikilla opiskelijoilla on samat pakolliset kurssit. Alla kohdassa "Annettava opetus" on mainittu linjaan läheisimmin liittyvät pakolliset kurssit. Tällä hetkellä linjalla ei ole erityisiä valinnaisia aineopintokursseja.

Jos tavoitteena on suorittaa FM-tutkinto algoritmien ja koneoppimisen linjalla, jo LuK-opintoihin on syytä sisällyttää runsaasti matematiikan opintoja (ks. "Sivuaineet" alla).

Filosofian maisteri

Kaikille tietojenkäsittelytieteen opiskelijoille yhteisten pakollisten muiden opintojen lisäksi FM-tutkintoon algoritmien ja koneoppimisen erikoistumislinjalla vaaditaan seuraavaa:

Linjan pakolliset opinnot (8 op)
Linjakohtaiset valinnaiset opinnot (6 op)
Ainakin yksi seuraavista:
Muut valinnaiset opinnot (20 op)
vähintään 20 op tietojenkäsittelytieteen syventäviä opintoja alla tarkennettujen ohjeiden mukaan
Seminaareja (6 op)
Pro gradu -tutkielma ja kypsyysnäyte (40 op)
Lisäksi kandidaatin ja maisterin tutkinnossa yhteensä on oltava matematiikan tai menetelmätieteiden opintokokonaisuuksia vähintään 60 op.

"Muiksi valinnaisiksi opinnoiksi" kelpaavat ainakin

Ylläolevat listat eivät ole kattavia, ja muitakin sopivalta tuntuvia kursseja saa mielellään ehdottaa linjan vastuuprofessorille. Huomaa, kuitenkin, että seminaarit eivät kelpaa tähän.

Sivuaineet

Algoritmien ja koneoppimisen opinnot edellyttävät alusta alkaen kohtalaisia matemaattisia valmiuksia. FM-tutkinnossa pakollisena sivuaineena on vähintään 60 op matematiikkaa tai menetelmätieteitä. Nämä kannattaa yleensä pyrkiä suorittamaan ainakin pääosin jo LuK-vaiheessa. Peruskursseista erityisen suositeltavia ovat esimerkiksi

Muita suositeltavia sivuaineita ovat esimerkiksi fysiikka ja teoreettinen fysiikka, tilastotiede, kieliteknologia ja kognitiotiede, menetelmätieteiden sivuainekokonaisuus sekä JOO-sopimukseen perustuvat opinnot TKK:ssa.

Annettava opetus

Kunkin lukukauden yksityiskohtainen opetusohjelma löytyy laitoksen opiskelusivun kautta.

Aineopinnot

Seuraavat linjan alueeseen kuuluvat pakolliset aineopintokurssit järjestetään joka vuosi:
kurssi periodit huom.
Laskennan mallit I–II koko syyslukukausi
Tietorakenteet III–IV koko kevätlukukausi
Tietorakenteiden harjoitustyö I, II, III, IV myös kesäisin
Johdatus tekoälyyn I

Syventävät opinnot

Algoritmien ja koneoppimisen maisteriopinnot aloitetaan tyypillisesti linjan pakollisilla kursseilla Algoritmien suunnittelu ja analyysi sekä Johdatus koneoppimiseen, jotka antavat välttämättömiä esitietoja muille kursseille.

Pakollisten kurssien jatkoksi suoritetaan mahdollisimman pian ainakin yksi linjan valinnaisista kursseista harjoitustöineen: Diskreetti optimointi, Tiedon louhinta tai Todennäköisyysmallit. Kursseihin liittyvät harjoitustyöt järjestetään yleensä erikseen luentokurssia seuraavassa periodissa, joten suoritettaessa useampi kuin yksi valinnainen kurssi (mikä on yleensä suositeltavaa) ei kuitenkaan ole välttämätöntä suorittaa enempää kuin yksi harjoitustyö.

Kurssit pidetään vuosittain seuraavasti:
kurssi periodi huom.
Algoritmien suunnittelu ja analyysi I
Johdatus koneoppimiseen II
Diskreetti optimointi II
Diskreetin optimoinnin harjoitustyö III
Todennäköisyysmallit III
Todennäköisyysmallien harjoitustyö IV
Tiedon louhinta IV
Tiedon louhinnan harjoitustyö IVb intensiivijaksolla

Merkinnät

Merkintää syventävien opintojen kokonaisuudesta haetaan linjan vastuuprofessorilta. Samalla on syytä hakea merkintä myös muista opinnoista. Merkintä aineopintokokonaisuudesta pitää tällöin jo olla haettuna. Erittäin mielellään myös tutkintoon tulevat sivuaineiden kokonaisuudet saisivat olla rekisteröityinä.

Merkinnän antamiseen tarvitaan

Nämä voi halutessaan toimittaa vastuuprofessorille sähkö- tai paperipostissa, mutta henkilökohtaiset käynnit ovat tervetulleita (sovi aika sähköpostitse).

Lomakkeita yms.

Tutkimusryhmiä

Algodan
Algoritminen data-analyysi
  • johtaja Esko Ukkonen
  • Suomen Akatemian huippuyksikkö 2008-2013
  • tutkimusalueita kombinatorinen hahmonsovitus, tiedon louhinta ja koneoppiminen
  • sovellusalueita mm. bioinformatiikka, kieliteknologia ja neuroinformatiikka
CoSCo
Complex Systems Computation Group
  • johtaja Petri Myllymäki
  • tutkimuskohteita mm. probabilistinen mallintaminen ja informaatioteoreettiset menetelmät
  • sovelluskohteita mm. tiedonhaku, läsnä-äly ja paikantaminen
NAPS
Networking and Architecture for Proactive Systems
  • johtaja Patrik Floréen
  • kohteena mm. ad hoc -verkkoihin liittyvät optimointiongelmat

Henkilökuntaa

Monet allamainituista henkilöstä toimivat myös muilla erikoistumislinjoilla. Toisaalta alla oleva luettelo ei ole erityisen kattava, erityisesti jatko-opiskelijat on jätetty pois. Toimet on ilmoitettu kevään 2010 tilanteen mukaan.

Opetustoimissa

Tutkijoita, dosentteja yms.


12. elokuuta 2009 Jyrki Kivinen