Aki Vehtari nimitetty professoriksi lääketieteellisen tekniikan ja laskennallisen tieteen laitokselle
TkT Aki Vehtari on nimitetty professoriksi (associate professor) lääketieteellisen tekniikan ja laskennallisen tieteen laitokselle (BECS) viideksi vuodeksi 1. marraskuuta 2014 alkaen. Professuurin ala on laskennallinen tiede ja erikoisalana tilastollinen mallintaminen.
Vehtari väitteli TKK:lla tohtoriksi vuonna 2001 ja on siitä saakka johtanut laitoksella bayesilaisen mallintamisen tutkimusryhmää. Bayesilainen todennäköisyysteoria tarjoaa johdonmukaisen tavan käyttää todennäköisyyksiä ilmaisemaan epävarmuutta malleissa. Bayesilaiselle mallintamiselle löytyy runsaasti sovelluksia esimerkiksi terveyden ja sairauksien tutkimisessa.
”Täällä Aallossa kehitämme malleja ja niihin liittyviä laskennallisia menetelmiä aivotutkimuksen avuksi. Malleja ja menetelmiä voidaan hyödyntää myös esimerkiksi sydän- ja verisuonitautien kaltaisten kansantautien ennustamisessa ja syövän yksilöllisemmän hoidon suunnittelussa”, kertoo Vehtari, joka on tehnyt paljon yhteistyötä Terveyden ja hyvinvoinnin laitoksen THL:n kanssa.
”Riskit tuntemalla hoitojen suunnittelu ja resurssien kohdentaminen tehostuu, mikä on iso asia niin kansanterveyden kuin kansantalouden kannalta”, hän korostaa.
Aki Vehtari on myös yksi Bayesian Data Analysis -kirjan tekijöistä. Teosta pidetään yhtenä merkittävimmistä bayesilaista mallintamista käsittelevistä oppikirjoista.
Lisätietoja:
Professori Aki Vehtari
aki.vehtari@aalto.fi
Bayesilaisen mallintamisen tutkimusryhmä
Lue lisää uutisia
Haku on auki innovaatiotutkijatohtoriksi tekoälyssä
Palkallinen 12 kuukautta kestävä urapolku, jonka avulla voit muuttaa tohtorintutkimuksesi löydökset deep tech -startupiksi.
Suomalaistyöryhmän teos tuo viilentävän puutarhan helteissä kärvistelevään Espanjaan
Suomalaisten arkkitehtien ja taiteilijoiden ryhmä esittää puutarhataideteoksellaan kaupunkien kuumenemisen ja ympäristökriisin ratkaisuksi muun muassa kasvillisuutta ja yhteisöllisyyttä.
Tutkijat paljastivat kaksi uutta suprajohdetta menetelmällä, jolla voi jatkossa löytää tuhansia lisää
Fyysikoiden tekoälyyn perustuvan menetelmän myötä suprajohtavuuden valtavat energiahyödyt ovat askeleen lähempänä