Alex Jung nimitetty koneoppimisen apulaisprofessoriksi
Alex Jung tutkii harvoja malleja ja koneoppimista suurilla tietomassoilla keskittyen laskennallisten ja viestinnällisten haasteiden sekä oppimisen laadun tasapainottamiseen. Erityisesti hän on kiinnostunut moniulotteisten verkottuneiden tietomassojen tehokkaasta ja hajautetusta käsittelystä. Näitä ovat esimerkiksi sosiaaliset verkostot, genetiikka tai langattomat sensoriverkot. Yhdessä yhteistyökumppaneidensa kanssa, hän hiljattain johti graafisten mallien valintaan ja sanaston oppimiseen liittyvät perimmäiset rajat ja tehokkaan algoritmin moniulotteisille datajoukoille. Hänen tutkimuksensa voi osoittautua hyödylliseksi petosten tunnistamisessa reaaliaikaisissa huutokauppajärjestelmissä tai geenien ja tiettyjen sairauksien välisten yhteyksien ymmärtämisessä.
Hänen tutkimuksensa laadusta todistavat monet julkaisut johtavissa lehdissä, muun muassa IEEE Transactions on Information Theory, IEEE Signal Processing Letters ja IEEE Transactions on Signal Processing.
Alex Jung väitteli tekniikan tohtoriksi tilastollisen signaalinkäsittelyn alalta Wienin teknillisessä korkeakoulussa vuonna 2011. Työskenneltyään kuusi kuukautta tohtoritutkijana Zürichin teknillisessä korkeakoulussa (ETH) hänet valittiin (tenure track –urajärjestelmän ulkopuolella) apulaisprofessoriksi Wienin teknilliseen korkeakouluun vuonna 2013. Hän toimi vierailevana tutkijana Edinburghin yliopistossa vuonna 2013 ja Michiganin yliopistossa vuonna 2014.
Hän on saanut monia kansallisia ja kansainvälisiä tunnustuksia, muun muassa vuonna 2011 parhaasta opinnäytetyöstä maailman suurimmassa signaalinkäsittelyyn keskittyvässä IEEE:n ICASSP-konferenssissa Prahassa.
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Tutustu meihin: Professori Maria Sammalkorpi
Sammalkorpi on väitellyt tohtoriksi Teknillisestä korkeakoulusta vuonna 2004. Väiteltyään Sammalkorpi on toiminut tutkijana mm. Princetonin ja Yalen yliopistoissa sekä Aalto-yliopistossa.
Fyysikot saivat bakteerit uimaan lähes täydellisissä riveissä
Bakteerien ohjaaminen onnistui magneettikentän avulla. Löytö auttaa ymmärtämään bakteeripopulaatioiden käyttäytymistä ja voi jatkossa auttaa esimerkiksi kehittämään uuden sukupolven materiaaleja, joista kaavaillaan apua muun muassa lääkkeiden kohdennettuun kuljettamiseen kehon sisällä.
Tutkijat loivat ainutlaatuisen ennustemallin kuvaamaan pandemian leviämistä maiden rajojen yli
Pohjoismainen yhteishanke pureutui koronaviruksen leviämiseen vuonna 2020. Tutkimuksen avulla voidaan jatkossa ennakoida paremmin, milloin ja mitkä matkustusrajoitukset ovat pandemiaolosuhteissa tarkoituksenmukaisia.