Väitös
to 14.12. klo 12.00, Jyväskylän yliopisto, Mattilanniemi, Agora, Beeta-sali
Elena Ivannikovan tietotekniikan väitöskirjan "Intelligent solutions for real-life data-driven applications" tarkastustilaisuus. Vastaväittäjänä dosentti Xiao-Zhi Gao (Aalto-yliopisto) ja kustoksena professori Timo Hämäläinen (Jyväskylän yliopisto).
Koneoppiminen on tehokas työkalu suurta tietojenkäsittelyä vaativissa tehtävissä, joissa oman ohjelman kirjoittaminen ongelman ratkaisemiseksi on vaikeaa tai jopa mahdotonta. Koneoppiminen voidaan katsoa lähestymistavaksi, joka oppii ja tekee itse ohjelmia käsittelemistään tiedoista. Kaikkien koneoppimisalgoritmien yhteinen tavoite on kerätä hyödyllistä tietoa datasta ja hyödyntää sitä ongelmien ratkaisemiseksi.
- Koneoppimisalgoritmit voidaan jakaa karkeasti kahteen kategoriaan eli valvottuun ja ei-valvottuun koneoppimiseen. Valvottua oppimista käytetään ennakointi- ja luokittelutehtävissä, joissa oppimiseen liittyvät esimerkkitunnisteet tunnetaan etukäteen. Ei-valvottu oppiminen viittaa tilanteeseen, jossa tunnisteita ei ole saatavilla ennakkoon. Tässä tapauksessa yleiset rakenteet löydetään datasta, Ivannikova kertoo.
Koneoppiminen vastaa teollisuuden tarpeisiin
Teollisuus etsii jatkuvasti parempia menetelmiä tuotantoonsa ja kustannustensa minimointiin, johon koneoppiminen on hyvä työkalu suuria tietomassoja käsitellessä. Tähän liittyen tutkimuksessa esitetään tapaustutkimuksia, joissa ehdotetaan matemaattisia malleja paperin laadun ennustamiseksi.
Väitöskirjan muut julkaisut kohdistuvat ilman valvontaa tapahtuvaan koneoppimiseen. Pääpaino on samankaltaisuuksien havainnointiin tarkoitettujen tekniikoiden kehittämisessä erilaisia yhteisöjä ja poikkeavuuksia varten.
- Painopisteenä on ollut poikkeamienhavainnointialgoritmien kehittäminen tietoverkoissa. Tässä yhteydessä työssä esitetään todennäköisyyteen perustuva siirtymäpohjainen lähestymistapa sovelluskerroksen hajautetun palvelunestohyökkäyksen havaitsemiseksi, Ivannikova sanoo.
Kehitettyjä lähestymistapoja on testattu todellisella verkkoliikenteellä ja ne kykenevät tehokkaisiin ratkaisuihin. Väitöskirjassa esitetyt menetelmät ovat sovellettavissa muuttujan valinnan, kaavion segmentoinnin ja poikkeamien havainnointiin erilaisissa sovelluksissa.
Lisätietoja:
Elena Ivannikova, +358440334430, [email protected]
Viestintäpäällikkö Liisa Harjula, 040 8054403, [email protected]
Elenva Ivannikova sai Master of Science in Applied Mathematics -tutkintonsa vuonna 2004 Demidov Yaroslavl State Universitystä Venäjällä. Vuosina 2004–2010 hän työskenteli ohjelmistoinsinöörinä Confirmitillä. Vuonna 2012 hän sai toisen maisterintutkintonsa Jyväskylän yliopistosta informaatioteknologiasta. Valmistumisensa jälkeen Ivannikova aloitti tohtoriopintonsa.
Teos on julkaistu sarjassa Jyväskylä Studies in Computing, ISSN 1456-5390; Number 270; Pages: 54 p. (+included articles) ISBN 978-951-39-7278-3 (nid.) ISBN 978-951-39-7279-0 (PDF).
Elena Ivannikova - printti kuvaaja Rufina Valieva Spice & Ice Photography.jpg
Koko: 0,96 MB Tyyppi: jpg Resoluutio: 1022x1533Elena Ivannikova - printti kuvaaja Rufina Valieva Spice & Ice Photography.jpg
Koko: 0,96 MB Tyyppi: jpg Resoluutio: 1022x1533Jyväskylän yliopisto – tulevaisuuden palveluksessa vuodesta 1863.
Kauniilla puistokampuksellamme sykkii monitieteinen tiedeyliopisto – ihmisläheinen yhteisö, jonka 2500 asiantuntijaa ja 15 000 opiskelijaa etsivät ja löytävät vastauksia huomispäivänpolttaviin kysymyksiin.
Suomenkielinen opettajankoulutus sai alkunsa juuri täältä, vuonna 1863. Siitä lähtien voimanlähteenämme on ollut moniarvoinen vuoropuhelu tutkimuksen, koulutuksen ja yhteiskunnan välillä. Oppiminen ja opetus, liikunta, luonnontieteet, kielet, kulttuurintutkimus ja informaatioteknologia ovat painoalamme, joissa ajattelemme isosti ja kokeilemme rohkeasti.
Vaalimme tutkimuksen ja koulutuksen tasapainoa sekä ajattelun avoimuutta – sytytämme taidon, tiedon ja intohimon elää viisaasti ihmiskunnan parhaaksi.
© Koodiviidakko Oy - Y-tunnus 1939962-1