Studeranden Eeli Susan: Huvudämnet Signal Processing and Data Science är en perfekt mix av teori och praktik

När studeranden Eeli Susan förstod att signaler finns överallt var magisterprogrammet i signalbehandling ett självklart val för honom. Det mångsidiga kursutbudet är enligt honom en av programmets starka sidor.

Varför valde du huvudämnet Signal Processing and Data Science?

Signal Processing and Data Science var en mycket naturlig fortsättning på min kandidatexamen i informationsteknologi. När jag förstod att nästan vad som helst kan uppfattas som signaler (exempelvis bilder, inspelningar, till och med molekyler), blev huvudämnet ett självklart val för mig. Det kändes fascinerande att lära sig färdigheter med vilka man kan lösa många praktiska problem, från självkörande bilar till MRI.

Jag har nu avlagt alla kurser och tycker att det här huvudämnet var en perfekt mix av teoretiska och praktiska kurser om många olika ämnen. Ämnen jag själv valde var till exempel datorsyn, taligenkänning, medicinsk bildanalys och djupinlärning. Det breda kursutbudet gör det möjligt att skräddarsy studierna enligt sina intressen. Jag hade kunnat välja många fler kurser om till exempel telekom, datornät eller programmering. Kursutbudet var också en orsak till att det var så lätt att välja just det här magisterprogrammet. Jag behövde inte genast vara klar över vad jag ska inrikta mig på.

Vad har varit det bästa med studierna?

Som jag sade tidigare var jag mycket förtjust över programmets breda kursutbud och det praktiska arbetet. Till exempelteorin man lär sig om taligenkänning kunde tillämpas också på datorsyn. Att hitta sambanden mellan olika områden gav mina studier ett stort mått av sammanhang och självförtroende att hantera signaler av alla slag.

Vilken har varit den intressantaste kursen?

Det känns svårt att välja bara en intressantaste kurs. Kursen AI in health technologies D gav en bred översikt över olika AI-tillämpningar inom medicinen. Till kursen hörde ett projekt vars teman bland annat var klassificering av hudcancer med hjälp av bilder och diagnos av hjärtinfarkt ur ett EKG. Teoritunga kurser som Deep Learning D gav många verktyg för senare praktiska projektarbeten. Jag började skapa syntetiska EKG-signaler som man teoretiskt kunde använda för bättre diagnostisering av hjärtstillestånd. Erfarenheterna av hela projektstyrningen, från insamling av data till att hitta lämpliga modeller och metoder, är en oersättlig erfarenhet för min karriär.

Hur ser framtiden ut på området?

Huvudämnet öppnar för utomordentliga jobbmöjligheter. Den gedigna teoretiska grunden och bred erfarenhet av praktiska kurser är just ett sådant paket som många företag letar efter. Kursprojekten på kurser som AI in health technologies D, Speech Recognition D och Signal Processing for Communications är alla utmärkta lektioner i hur teori omvandlas till praktik. På de här kurserna lär man sig att problemen i verkliga livet är mycket svårare än teorin.