- Opettaja
Hanna Nevala
Turun yliopiston Moodle
Hakutulokset
Syyslukukauden Kulttuurin ja terveyden tutkimusyksikön tutkijaseminaarit järjestetään englanniksi ja suomeksi. Seminaarin tavoitteena on käsitellä tutkijan omaa työtä ja alan merkittävää teoriaa. Syksyn ensimmäiseen tutkijaseminaariin kutsutaan tutkijoita esittelemään kulttuurin ja terveyden tutkimukseen liittyviä tutkimuksiaan. Esitysajan pituus on noin 5-10 min. Tutkimuksesi voi olla vasta alussa tai jo pidemmällä, tule esittelemään sitä matalalla kynnyksellä. Tervetuloa osallistumaan!
Tutkijaseminaari kokoontuu noin kerran kuussa tiistaisin klo 14.00-16.00. Seminaarit pidetään seuraavina päivinä:
15.10.2024
10.12.2024
Tapaamiset toteutetaan hybridinä Zoomissa ja Arcanumissa (Turun yliopiston kampuksella). Linkki Zoomiin ja tarkka tapaamispaikka löytyvät tutkijaseminaarin Moodle-alueelta ja koordinaattorista.
Haluatko esitellä tutkimustasi? Ota rohkeasti yhteyttä sähköpostitse tutkijaseminaarin koordinaattoriin Avril Tynaniin (aatyna@utu.fi)
- Opettaja
Avril Tynan
Kulttuuriperinnön tutkijaseminaarissa työstetään kulttuuriperinnön tutkimuksen väitöskirjoja. Seminaari kokoontuu kuukausittain lukukauden aikana.
- Opettaja
Anna Sivula
Tavoitteet
Opintojakson tarkoituksena on syventää opiskelijan tietoja ja valmiuksia johdon laskentatoimessa ajatellen sekä vaativia yrityksen talousjohdon tehtäviä että pro gradu –työskentelyä ja mahdollisia jatko-opintoja. Opintojakson suoritettuaan opiskelija tuntee teorian käsitteen ja sen erilaisten roolien merkityksen johdon laskentatoimen tutkimuksessa. Hän myös kykenee lukemaan ja käyttämään tieteellisiä tekstejä analyyttisesti ja tarvittaessa kriittisesti.
- Opettaja
Niina Hakala
- Opettaja
Timo Toivari
- Opettaja
Timo Toivari
The students will become acquainted with topical machine learning algorithms, and able to introduce and critically discuss key concepts in the field.
- Opettaja
Matti Ruuskanen
The course enables to learn many classical machine learning and pattern recognition methods which can be used to build models and systems based on observed data. After the course students understand the main principles of machine learning and pattern recognition methods and steps needed for applying them in real applications. The students especially learn the core concepts of overfitting and underfitting and are able to find a suitable balance between these extremes in a given problem at hand.
- Opettaja
Jukka Heikkonen
Kyseessä on UTU gradun arviointiin ja julkaisemiseen tarvittava englanninkielinen moodle alusta.
- Opettaja
Eija Koskivaara
Tavoitteet: Opiskelija osaa muodostaa yksinkertaisiin reaktioihin perustuvia mekanistisia malleja, sekä tuntee niiden analysoinnin perusmenetelmät.
Sisältö Suppeasti katsottuna matemaattinen mallintaminen on reaalimaailman ongelmien muuntamista hyvin määritellyiksi matemaattisiksi tehtäviksi. Kurssilla esitetään tähän useita systemaattisia menetelmiä. Esimerkkitehtäviä esitetään muun muassa fysiikan, fysiologian ja populaatiobiologian alalta. Yleisemmin mallintamiseen sisältyy myös matemaattisten mallien analysointia. Tämän johdosta kurssilla tarkastellaan myös dynaamisten systeemien analysoinnin perusmenetelmiä.
- Opettaja
Kalle Parvinen