Tampere University Data Science Master's Thesis Guide: 2026-2027 বাংলা সংস্করণ

এই গাইডে কী আছে

Tampere University-এর international Data Science option CSEE-এর অংশ এবং degree হলো Master of Science, Master of Science (Technology) নয়। Degree 120 ECTS এবং দুই বছরের full-time study-এর জন্য পরিকল্পিত। Current CSEE-DSY structure হলো 50 ECTS advanced studies + 30 ECTS master’s thesis + 40 ECTS other studies = 120 ECTS। তাই thesis 30 ECTS হলেও এটি Technology diplomityö নয়; non-technical master’s-thesis process প্রযোজ্য।

CSEE-DSY এবং TIM-DSY এক নয়

Tampere-এ আরেকটি current Data Science object আছে, TIM-DSY, যা Master’s Programme in Computer Sciences-এর অধীনে। সেখানে 5 ECTS joint studies, 80 ECTS advanced studies-এর মধ্যে 30 ECTS thesis, এবং 35 ECTS electives দেখানো হয়। এটি current হলেও CSEE applicant option-এর CSEE-DSY-এর সঙ্গে interchange করা যাবে না।

নিজের Sisu study right কোন curriculum object follow করে তা নিশ্চিত করুন। দুই current page থেকে credit structure মিশিয়ে ব্যবহার করবেন না।

Thesis 30 ECTS

CSEE-DSY-তে thesis 30 ECTS এবং topic Data Science specialisation-এর ভেতরে হতে হবে। Statistical modelling, machine learning, data mining, network/complex systems, computational method, forecasting, causal question, algorithm evaluation বা data-driven research topic হতে পারে। শুধু dataset বা AI model ব্যবহার করলেই topic Data Science thesis হয়ে যায় না; research question, method এবং evidence fit করতে হবে।

ITC.CEE.800 Tools for theses

Current 2026–2027 ITC.CEE.800 Tools for theses হলো 5 ECTS, pass/fail। চারটি compulsory part: research methods, research ethics, information searching এবং career planning। Tampere thesis শুরু করার আগে course complete করতে recommend করে।

এই 5 ECTS thesis-এর অংশ হিসেবে যোগ করে thesis 35 ECTS বলা যাবে না। Thesis নিজে CSEE-DSY অনুযায়ী 30 ECTS।

Historic DATA.810 নিয়ে সতর্কতা

পুরোনো curriculum-এ DATA.810 Master’s Thesis Seminar, Data Science & Statistical Data Analytics, 5 ECTS ছিল। Search-এ পুরোনো page পাওয়া যায়, কিন্তু current CSEE-DSY এবং ITC.CEE.800 evidence এটিকে 2026–2027 CSEE Data Science-এর governing seminar course হিসেবে establish করে না।

General non-technical thesis rules seminar participation, oral presentation এবং opponent work এখনো require করে। Exact registration ও schedule নিজের current Sisu/Moodle থেকে দেখুন; historic DATA.810 automatically import করবেন না।

Dataset দিয়ে নয়, question দিয়ে শুরু করুন

“I have a dataset, what can I predict?” দুর্বল starting point। Strong thesis phenomenon বা decision-এর question দিয়ে শুরু করে, তারপর কোন data এবং evidence দরকার তা ঠিক করে। Prediction হলে target, unit of analysis, evaluation horizon এবং intended use define করুন। Association causal effect নয়; causal claim করতে হলে appropriate design ও assumption দরকার।

Data leakage প্রতিরোধ করুন

Train/validation/test design research method-এর অংশ। Test information preprocessing, feature engineering, imputation, normalisation বা model selection-এ ঢুকে গেলে leakage হয় এবং performance invalid হতে পারে।

Time series, same participant-এর repeated data, same patient-এর multiple image, spatial cluster বা same organisation-এর record হলে random row split ভুল হতে পারে। Grouped বা temporal split প্রয়োজন হতে পারে। Model compare করলে baseline এবং proposed method-কে একই evaluation logic দিন।

Metric research question-এর সঙ্গে মিলতে হবে

Accuracy সব problem-এর জন্য যথেষ্ট নয়। Imbalanced classification-এ precision, recall, F1, calibration বা class-specific error গুরুত্বপূর্ণ হতে পারে। Regression-এ MAE ও RMSE আলাদা behaviour দেখায়। Primary metric final test result দেখার আগে ঠিক করা ভালো।

Average result rare কিন্তু serious failure ঢেকে ফেললে secondary metric report করুন। Practical importance এবং statistical significance এক জিনিস নয়।

Uncertainty এবং robustness

Best score-ই সব নয়। Confidence interval, bootstrap, repeated validation, posterior uncertainty বা sensitivity analysis method অনুযায়ী ব্যবহার করা যায়। Seed, threshold বা reasonable preprocessing choice বদলালে conclusion বদলে গেলে instability-টিও result।

P-value ছোট হলেই practical effect বড় প্রমাণ হয় না। Effect size ও uncertainty report করুন এবং multiple comparison-এর ঝুঁকি বুঝুন।

Reproducibility

Raw data থেকে final result কীভাবে এলো তা traceable রাখুন। Data provenance, version, filtering, preprocessing, feature construction, split, package/environment version, random seed এবং configuration relevant হলে record করুন।

Code version control-এ রাখুন। Run log-এ commit, dataset version, config এবং output path লিখুন। Sensitive/company data share করা না গেলেও data dictionary, synthetic example, pseudocode এবং reproducible scripts দিয়ে transparency বাড়ানো যায়।

Data quality আগে

Missing value, duplicate, impossible value, measurement change, selection bias এবং noisy label model-এর আগে inspect করুন। Complex model poor data quality ঠিক করে না।

Dataset-এ observation কীভাবে ঢুকেছে তা explain করুন। Company database target population-এর সব মানুষ represent নাও করতে পারে; health data measured population reflect করতে পারে। Large amount data drop করলে attrition report ও justify করুন।

Dataset বড় হলেই target population represent করে না। Data-তে কারা বা কীভাবে ঢুকতে পারে, কারা missing, collection mechanism সময়ের সঙ্গে বদলেছে কি না লিখুন। এক company, platform, country বা time period-এর result wider population-এ generalise করার আগে boundary পরিষ্কার করুন। Human বা heuristic label হলে labelling process এবং disagreement document করুন। Proxy target ব্যবহার করলে সেটি আসল outcome-এর কোন অংশ capture করে আর কোন অংশ করে না তা explain করুন।

Privacy এবং fairness

Personal data থাকলে collection/transfer-এর আগে supervisor-এর সঙ্গে controller arrangement, purpose, privacy notice, minimisation, access ও retention plan করুন। Public data মানেই unrestricted personal-data use নয়।

Fairness metric context-dependent। Group comparison করলে sample support করে কি না, sensitive label process করার basis আছে কি না এবং existing bias model amplify করছে কি না বিবেচনা করুন। Personal বা confidential data external AI service-এ upload করবেন না।

Personal data governance research design-এর অংশ। Raw data কে access করবে, identifier কোথায় থাকবে, pseudonymisation/anonymisation কখন হবে এবং কোন output safely publish করা যাবে তা আগে ঠিক করুন। Small subgroup-এর aggregate result থেকেও ব্যক্তি identify হওয়ার risk থাকতে পারে।

AI tools

Tampere-এর current guidance অনুযায়ী AI permitted task-এ ব্যবহার করা যেতে পারে, কিন্তু analysis, verification এবং authorship-এর responsibility student-এর। AI-generated code test করুন, citation independently verify করুন, এবং substantive research interpretation নিজের reasoning দিয়ে করুন।

Confidential data, participant information, credentials বা unpublished company code external AI tool-এ দেবেন না। AI নিজেই research object হলে model/service version এবং relevant settings record করুন।

Literature review

Literature review substantive problem এবং method দুইটাই justify করবে। Healthcare prediction thesis হলে domain literature এবং modelling/validation literature দুটোই দরকার। New algorithm thesis হলে শুধু same dataset-এর paper নয়, relevant methodological comparison দরকার।

ITC.CEE.800-এর information-searching skill ব্যবহার করুন। Systematic component থাকলে database, search string এবং selection logic record করুন। Peer-reviewed evidence এবং vendor/blog/benchmark claim আলাদা করুন।

Supervision এবং research plan

University এক বা দুইজন supervisor appoint করে, একজন primary। Research question, scope, method, data access ও timetable আগে agree করুন। Company topic হলেও academic examination Tampere-এর।

Research plan-এ question, literature, data, inclusion/exclusion rule, method, evaluation design, ethics/privacy, limitation এবং timeline লিখুন। Computational thesis হলে data/code storage এবং experiment tracking plan করুন।

Seminar, presentation এবং opposition

General non-technical process thesis seminar, oral presentation এবং opponent work require করে। এই guide historic DATA.810 credit structure assign করছে না। Current Sisu/Moodle-এ কোন implementation আপনার জন্য active তা follow করুন।

Writing

Final result-এর আগে method লিখুন। Data construction, preprocessing, model specification, tuning এবং evaluation sufficiently document করুন। Result ও interpretation আলাদা রাখুন এবং failed analysis relevant হলে report করুন। Dataset shift, leakage, small subgroup, missing data, model-selection bias এবং external-validity limitation আলোচনা করুন।

Maturity test

Master’s thesis process-এর অংশ হিসেবে maturity test লাগে। Finnish/Swedish proficiency আগের degree-তে required manner-এ demonstrate করা থাকলে সাধারণত thesis abstract maturity test হিসেবে কাজ করে। Language check প্রয়োজন হলে current electronic EXAM route ব্যবহার হয়। Recognition of prior learning দিয়ে maturity test replace করা যায় না।

Turnitin এবং Trepo

Final submission-এর আগে primary supervisor-এর permission নিন। Thesis প্রথমে Turnitin originality checking-এর মধ্যে যায়, তারপর final Trepo deposit হয়। Turnitin এবং Trepo আলাদা stage। Examination ও credit-এর জন্য attending registration দরকার। Permanent archive file PDF/A হওয়া উচিত।

Approved thesis final; সাধারণভাবে revised new version হিসেবে resubmit করা যায় না। তাই final deposit carefully check করুন।

Examination এবং grading

Non-technical master’s thesis দুই examiner-এর joint statement ও grade proposal-এর ভিত্তিতে dean approve করেন। অন্তত একজন Tampere University-তে employed হতে হবে এবং দুই examiner-এরই master-level degree থাকতে হবে। General scale 0–5।

Abstract maturity test হলে normal combined assessment 21 days; separate language-checked electronic maturity exam হলে 28 days। Summer schedule longer হতে পারে। Proposed grade-এর বিরুদ্ধে সাত দিনের মধ্যে written response এবং final assessment-এর বিরুদ্ধে 14 দিনের appeal route আছে।

Graduation planning

21/28-day assessment window দেখে graduation date ধরে নেবেন না। Other credits, Sisu plan approval, maturity এবং graduation processing ready থাকতে হবে। Current schedule check করে final submission plan করুন।

Practical workflow

1. নিজের study right CSEE-DSY follow করে কি না confirm করুন; TIM-DSY mix করবেন না।
2. 30 ECTS thesis এবং current ITC.CEE.800 requirement Sisu-তে check করুন।
3. Narrow research question তৈরি করুন।
4. Data provenance, population, unit of analysis এবং target define করুন।
5. Leakage-resistant split বা statistical analysis plan করুন।
6. Primary metric, baseline এবং evaluation final test-এর আগে ঠিক করুন।
7. Privacy, ethics এবং company restriction আগে plan করুন।
8. Version-controlled code, environment record এবং experiment log রাখুন।
9. Current seminar/presentation/opposition Sisu/Moodle অনুযায়ী complete করুন; historic DATA.810 automatically import করবেন না।
10. Analysis-এর সঙ্গে writing চালান।
11. Maturity, Turnitin, Trepo PDF/A, examination এবং graduation step complete করুন।

Strong Data Science thesis সবচেয়ে complex model-এর thesis নয়। Question, data, assumption, method ও evaluation এতটা coherent হতে হবে যেন reader স্পষ্টভাবে বুঝতে পারে evidence কোন claim support করে এবং কোন claim করে না।