Signaali, kohina ja pari muuttujaa 

Datan määrä on kasvanut voimakkaasti viimeisen vuosikymmenen aikana. On arvioitu, että määrällisesti merkittävin osa kaikesta maailman datasta on luotu ihan viimeisten muutamien vuosien aikana. Samalla kun datan määrä jatkaa kasvuaan, yhä tärkeämmäksi muodostuu se, kuinka luotettavasti ja tehokkaasti data saadaan muutettua hyödylliseksi informaatioksi.

Tutkimusryhmässämme tutkitaan signaalinkäsittelymenetelmiä, joiden sovelluskohteita löytyy esimerkiksi taloustieteissä osakeportfolion optimoinnissa, tietoliikenteessä antenniryhmien signaalinkäsittelyssä sekä koneoppimisessa erilaisissa datan luokitteluongelmissa. Väitöskirjassani olen keskittynyt kehittämään laskennallisesti tehokkaita ja datan kohinatasoon automaattisesti mukautuvia estimointi- ja luokittelumenetelmiä.

Nykymenetelmien suurimmat ongelmat liittyvät skaalautuvuuteen. Ongelmana on, että menetelmät soveltuvat huonosti sellaisten tietoaineistojen analysointiin, joissa eri muuttujien määrä on hyvin suuri havaintojen lukumäärään verrattuna. Nämä ongelmat ovat tyypillisiä esimerkiksi bioinformatiikassa, jossa muuttujia on paljon, mutta havaintojen kerääminen on kallista ja hidasta. Perinteiset tilastolliset menetelmät oletuksineen eivät näissä tapauksissa päde ja voivat johtaa vääränlaisiin tulkintoihin. Muuttujien suuren määrän vuoksi menetelmät ovat lisäksi herkempiä poikkeavien ja virheellisten havaintojen vaikutuksille. Tutkimukseni tavoite on sellaisten matemaattisten työkalujen luominen, jotka auttavat datan ymmärtämisessä, helpottavat datasta oppimista ja siitä luotettavien tulkintojen tai päätöksien tekemistä.

Signaalinkäsittely on laajentuvana alana tullut tärkeäksi osaksi data-analyysiä ja koneoppimista. Sitä hyödynnetään laajalti sensoreita ja tunnistimia sisältävien digitaalisten laitteiden ja järjestelmien lisäksi myös massiivisten tietoaineistojen analysoinnissa. Tämän vuoksi koen tutkimusaiheeni erittäin tärkeäksi ja mielenkiintoiseksi. Erityisiä kohokohtia ovat olleet mahdollisuudet tutustua erilaisten konferenssien ja tutkijavierailujen kautta kansainvälisiin huippuosaajiin sekä oppia heiltä. Haluan kiittää Tekniikan edistämissäätiötä tutkimukseni tukemisesta.

Elias Raninen väitteli tohtoriksi Aalto yliopistossa keväällä 2022. Hän sai Tekniikan edistämissäätiön kannustusapurahan vuonna 2019.