Alex Jung nimitetty koneoppimisen apulaisprofessoriksi
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.
Lue lisää uutisia
Miljoonarahoitus uuden sukupolven koneteknologian kehittämiseen – tavoitteena tuottavuusloikka useilla vientialoilla
BEST-hankkeessa kehitetään uudenlaisia tiiviste-, laakerointi- ja vaimennusteknologioita useiden teollisuudenalojen käyttöön.
TAIMI-hanke rakentaa tasa-arvoista työelämää – kuusivuotinen konsortiohanke etsii ratkaisuja rekrytoinnin ja osaamisen haasteisiin
Tekoäly muuttaa osaamistarpeita, väestö ikääntyy ja työvoimapula syvenee. Samalla kansainvälisten osaajien potentiaali jää Suomessa usein hyödyntämättä. Näihin työelämän haasteisiin vastaa Strategisen tutkimuksen neuvoston rahoittama kuusivuotinen TAIMI-hanke, jota toteuttaa laaja konsortio.
Unite! Seed Fund 2026: Hakukierros avautuu 20. tammikuuta 2026
Tutustu ennakkoon Unite! Seed Fund 2026 -hakukierrokseen. Haku sisältää kolme rahoituslinjaa: opiskelijatoiminta, opetus ja oppiminen sekä tutkimus ja tohtorikoulutus.