Laskennallisen tieteen pääaine Pääaineinfo Kai Puolamäki Pääainekahvit kello 15:10-16 huoneessa A328 (T-talo, 3 krs., T2:n puoleinen A-käytävä “keskisillan” kohdalla - sama paikka kuin informaatiotekniikalla)
Laskennallisen tieteen pääaine Antaa laaja-alaiset valmiudet erilaisten kompleksisten fysikaalisten, biologisten, teknisten, taloudellisten ja kognitiivisten prosessien mallinnukseen ja analysointiin
Kenelle soveltuu Yleisyytensä vuoksi soveltuu laskennallisista menetelmistä kiinnostuneille, ja myös jatko-opintojen pohjaksi tai sivuaineeksi
Miksi isona Menetelmäalojen tutkija joko teollisuudessa tai akateemisessa maailmassa Asiantuntijatehtävät Johtaja/esimies (normaali DI:n urapolku) Oma yritys Jokin muu (ala muuttuu koko ajan!)
P & O & V & K & B1 (140 op) Tietojenkäsittelyteoria A2 (20 op) Informaatiotekniikka A2 (20 op) Informaatiotekniikka A1 (20 op) Tietotekniikka A1 (20 op) Tietojenkäsittelyteoria n pääaine Laskennallisen tieteen pääaine A3 & C (40 op) Informaatiotekniikanpääaine Ylempi korkeakoulututkinto Alempi korkeakoulututkinto
Laskennallisen tieteen pääaine A3 & C (40 op) Laskennallisen tieteen syventävä moduuli A3 - Laskennallinen biologia ja lääketiede - Kompleksiset systeemit ja verkostot - Mallit ja menetelmät Laskennallisen tieteen erikoismoduuli C Hyviä ja vaativia kursseja kiinnostuksen ja tulevaisuudensuunnitelmien mukaan
Professorit Kimmo Kaski (BECS) Samuel Kaski (ICS) Jouko Lampinen (BECS) Heikki Mannila (ICS) Erkki Oja (ICS) Jukka Tulkki (BECS)
Pääaineen tarjoavat laitokset Lääketieteellisen tekniikan ja laskennallisen tieteen laitos ( Tietojenkäsittelytieteen laitos (
Yhteisö Tietotekniikan tutkimuslaitos HIIT - TKK:n ja Helsingin yliopiston yhteinen tutkimuslaitos 3 Akatemian huippuyksikköä: - Adaptiivisen informatiikan tutkimuksen huippuyksikkö (ICS) - Algoritmisen data-analyysin huippuyksikkö (ICS) - Laskennallinen kompleksisten systeemien tutkimuksen huippuyksikkö (BECS)
Sovellusalue-esimerkkejä Datalähteiden yhdistäminen Biologiset verkot Aivotutkimus Spatiaaliepidemiologia ja tautiriskit
Datalähteiden yhdistäminen Biologista dataa on paljon ja eri lähteistä Miten parhaiten hyödynnetään eri lähteistä saatu tieto, kun halutaan tehdä johtopäätöksiä uudesta datasta?
Syöpään liittyviä efektejä
Sovellusalue-esimerkkejä Datalähteiden yhdistäminen Biologiset verkot Aivotutkimus
Biologiset verkot Biologiset prosessit muodostavat monimutkaisia geenien ja proteiinien vuorovaikutusverkkoja Mitkä verkon osat muodostavat funktionaalisesti koherentteja yksikköjä? Missä tilanteissa kukin aliverkko aktivoituu?
Metaboliittien samankaltaisuus Miten veren koostumus muuttuu ajassa, kun verrataan esimerkiksi terveitä ja sairaita koehenkilöitä ?
Sovellusalue-esimerkkejä Datalähteiden yhdistäminen Biologiset verkot Aivotutkimus
Aivoalueet ovat erikoistuneet eri tehtäviin
Sovellusalue-esimerkkejä Datalähteiden yhdistäminen Biologiset verkot Aivotutkimus Spatiaaliepidemiologia ja tautiriskit
Spatiaaliepidemiologia ja tautiriskien ennusteet Bayes-menetelmiä tautien alueellisen esiintyvyyden ja potilaskohtaisten hoitoennusteiden mallintamiseen Hoitoennusteet lonkkamurtumapotilailla Aivoverisuonitautien alueellinen vaihtelu Potilasrymien analyysi
Biopolymeeritutkimus Tehokkaita karkeistettuja laskennallisia menetelmiä käyttäen saadaan tietoa sekä biopolymeerien ominaisuuksista että tärkeistä prosesseista joissa ne ovat osallisina. Rakenteet ja dynamiikka kompleksisia. Menetelmät soveltuvat erilaisiin laskennallisiin ongelmiin.
Pääainekahvit kello 15:10-16 huoneessa A328 (T-talo, 3 krs., T2:n puoleinen A- käytävä “keskisillan” kohdalla - sama paikka kuin informaatiotekniikalla)