Tampere University Signal Processing and Machine Learning Master's Thesis Guide: 2026-2027 বাংলা সংস্করণ

দ্রুত উত্তর: Signal Processing and Machine Learning thesis কোন নিয়মে চলে?

Tampere University-এর Signal Processing and Machine Learning option হলো Computing Sciences and Electrical Engineering-এর 120 ECTS, দুই বছরের Master of Science (Technology) specialisation। Current programme wrapper TTEM-SPMLY এবং thesis-bearing engineering major হলো COMP.SGN-S02 Advanced Studies in Signal Processing and Machine Learning, অন্তত 80 ECTS। 2026-2027 structure-এ 30 ECTS mandatory courses, অন্তত 20 ECTS free-choice studies এবং 30 ECTS master’s thesis স্পষ্টভাবে অন্তর্ভুক্ত। Thesis Technology framework follow করে এবং grading 0-5।

1. Programme শুধু deep learning নয়

Applicant page-এ signal processing theory, deep learning, audio/speech, imaging/computer vision এবং statistical modelling আছে। COMP.SGN-S02-তে Imaging, Machine hearing and vision এবং Signal processing and data analysis thematic areas আছে। তাই thesis-এ neural network থাকা বাধ্যতামূলক নয়। Classical filtering, estimation, spectral analysis, imaging, audio, statistical modelling বা hybrid method সমানভাবে valid হতে পারে, যদি research question-এর সঙ্গে method-এর সম্পর্ক পরিষ্কার থাকে।

2. COMP.SGN-S02 thesis-bearing major

COMP.SGN-S02 অন্তত 80 ECTS এবং এর structure-এ thesis নিজেই 30 ECTS। Parallel current COMP.SGN-S01 অন্তত 60 ECTS, কিন্তু তার public description একইভাবে thesis embed করে না। তাই MSc Technology guide-এর জন্য S02-কে thesis-bearing major control হিসেবে ধরা হয়েছে। নিজের exact study right এবং elective structure সবসময় Sisu-তে মিলিয়ে নিন।

3. 30 ECTS thesis মানে academic argument

একটি model train হওয়া, reconstruction সুন্দর হওয়া বা benchmark score বেশি হওয়া thesis contribution-এর পুরোটা নয়। Research problem, method justification, baseline, evaluation design, evidence, limitations এবং interpretation থাকতে হবে। Implementation গুরুত্বপূর্ণ হতে পারে, কিন্তু reader যেন বুঝতে পারে ঠিক কোন claim পরীক্ষা করা হয়েছে এবং কোন evidence সেই claim support করে।

4. Broad idea-কে bounded question বানান

“Image-এ AI ব্যবহার করব” বা “audio classification করব” খুব broad। Input, output, target population/signal condition, comparison এবং primary outcome নির্ধারণ করুন। Forecasting হলে horizon, classification হলে classes, enhancement হলে degradation model এবং quality criteria লিখুন। Narrow question data requirement, baseline এবং metric নির্ধারণ সহজ করে।

5. Model-এর আগে data split ঠিক করুন

Machine-learning thesis-এ data leakage বড় risk। Training, model-selection/validation এবং final testing আলাদা করুন। Split unit sample নাও হতে পারে; subject, patient, speaker, recording session, device, site বা time block হতে পারে। একই subject-এর বহু window train এবং test-এ গেলে unseen-subject performance অতিরিক্ত ভালো দেখাতে পারে।

6. Preprocessing leakage আটকান

Normalisation, feature selection, PCA, denoising parameter, augmentation policy বা missing-value handling final test data দেখে fit করা হলে leakage হতে পারে। Data-dependent preprocessing training partition-এ fit করে validation/test-এ apply করুন, যদি research design অন্য কিছু justify না করে। Overlapping signal windows-ও source-level leakage তৈরি করতে পারে।

7. Final test set সত্যিই final রাখুন

Architecture, threshold বা hyperparameter বারবার test set দেখে বদলালে test set validation set হয়ে যায়। Iterative choice validation data দিয়ে করুন এবং final test শেষ পর্যায়ে ব্যবহার করুন। Dataset ছোট হলে cross-validation ব্যবহার করা যায়, কিন্তু subject/session/site grouping ঠিক রাখতে হবে। Fold construction এবং model-selection process লিখে রাখুন।

8. Credible baseline নির্বাচন করুন

Proposed model-এর সঙ্গে simple statistical model, classical filter, established architecture, previous method বা current production baseline তুলনা করা যেতে পারে। সব method-এ একই split এবং evaluation protocol ব্যবহার করুন। Baseline কম tune করে proposed model অনেক বেশি tune করলে comparison unfair হতে পারে। Baseline কেন relevant সেটিও explain করুন।

9. Metric task-এর সঙ্গে মিলতে হবে

Class imbalance থাকলে accuracy misleading হতে পারে। Precision, recall, F1, PR-AUC বা class-specific error দরকার হতে পারে। Regression-এ MAE এবং RMSE আলাদা প্রশ্নের উত্তর দেয়। Reconstruction-এ numerical quality metric perceptual quality-এর সঙ্গে সবসময় মেলে না। Primary metric আগে নির্ধারণ করলে selective reporting কমে।

10. Best run নয়, uncertainty report করুন

Random seed, stochastic optimiser বা data split-এর কারণে result বদলাতে পারে। একবারের best run দুর্বল evidence। প্রয়োজন হলে repeated runs, folds বা confidence interval দিন। Classical signal processing-এও measurement noise, finite sample বা parameter estimation uncertainty থাকতে পারে। Improvement যদি normal variation-এর চেয়ে ছোট হয়, তা interpretation-এ বলুন।

11. Signal-processing assumptions লিখুন

Current Tampere course-এ estimation, Wiener/least-squares, adaptive filtering এবং spectrum estimation আছে। এগুলো stationarity, noise, model order বা convergence-এর assumptions-এর ওপর নির্ভর করে। Sampling frequency, window, overlap, transform length, filter design এবং boundary handling relevant হলে document করুন। Non-stationary signal হলে window/adaptation strategy explain করুন।

12. Audio এবং speech study

Sampling rate, channel, segmentation, loudness/normalisation, augmentation এবং acoustic condition লিখুন। Unseen-speaker claim হলে একই speaker train ও test-এ রাখা উচিত নয়। Synthetic noise-এ ভালো result মানেই real-world robustness নয়। Public corpus ব্যবহার করলে version, licence, exclusions এবং preprocessing record করুন।

13. Imaging এবং computer vision

Camera/scanner, site, resolution, lighting, compression এবং preprocessing result বদলাতে পারে। একই patient, subject, scene বা video-এর multiple frame থাকলে split সেই higher level-এ প্রয়োজন হতে পারে। Augmentation scientifically plausible কিনা দেখুন। Model shortcut বা acquisition artefact শিখছে কিনা সন্দেহ হলে সেটা পরীক্ষা করুন।

14. Time-series এবং forecasting

Future information অতীত prediction-এ ঢুকতে পারবে না। Scaling statistics, features বা labels future থেকে এলে leakage হয়। Random shuffle-এর বদলে chronological/rolling evaluation প্রয়োজন হতে পারে। Prediction horizon, look-back window এবং retraining schedule লিখুন। Concept drift থাকলে historical test performance-কে unlimited future performance হিসেবে claim করবেন না।

15. Hyperparameter search method-এর অংশ

Learning rate, architecture, regularisation, augmentation, filter order ইত্যাদি result বদলায়। Search space এবং selection criterion document করুন। শুধু winning configuration দিলে research process opaque হয়। Proposed method এবং baseline-এ tuning effort অসম হলে সেটা acknowledge করুন। Compute limit থাকলে সেটাও limitation হিসেবে লিখুন।

16. Reproducibility

Dataset version, split files, preprocessing code, seeds, model configuration, optimiser, epochs, early stopping এবং library/framework versions record করুন। Matlab/Python script version control-এ রাখুন। GPU nondeterminism থাকলে exact bitwise reproduction সম্ভব নাও হতে পারে, কিন্তু method এবং expected variation reproducible হতে হবে। Plot/table কোন run থেকে এসেছে সেটাও traceable রাখুন।

17. Robustness এবং domain shift

এক benchmark-এ ভালো performance নতুন microphone, camera, patient group, robot, noise condition বা site-এ একই থাকবে এমন নয়। Thesis যদি robustness claim করে, shift কী সেটা define করে test করুন। না করলে in-distribution boundary পরিষ্কারভাবে বলুন। Limited dataset দিয়ে “real-world robust” ধরনের broad claim এড়িয়ে চলুন।

18. Statistical বনাম practical significance

অনেক model/metric compare করলে chance difference আসতে পারে। Statistical test-এর assumptions ঠিক কিনা দেখুন; p-value effect size নয়। Practical impact-ও দেখুন। 0.2% improvement যদি latency দ্বিগুণ করে, তা deployable নাও হতে পারে। আবার rare safety-critical class-এ ছোট average improvement-ও গুরুত্বপূর্ণ হতে পারে।

19. Personal data এবং ethics

Speech, image, biomedical signal বা behavioural data personal data হতে পারে। Controller role, lawful handling, minimisation, access, retention এবং secure storage supervisor-এর সঙ্গে আগেই ঠিক করুন। Dataset downloadable হলেই সব reuse allowed হয় না। Human participant study হলে design অনুযায়ী consent বা ethics review প্রয়োজন হতে পারে। Engineering degree এই responsibility বাতিল করে না।

20. Company বা research-group thesis

Programme research-group integration উৎসাহিত করে। Company data/model ব্যবহার করা যায়, কিন্তু academic method এবং evidence যথেষ্ট transparent হতে হবে। Project শুরুর আগেই ঠিক করুন public thesis-এ কী থাকবে। Confidential code/data বাইরে রাখা যায়, কিন্তু public manuscript-এ method, evaluation এবং limitations examiner বোঝার মতো থাকতে হবে।

21. ITC.CEE.800 এবং seminar boundary

Current ITC.CEE.800 Tools for theses 5 ECTS, pass/fail। চারটি current part হলো research methods, good scientific practice/research ethics, information searching এবং career planning। পুরনো versions-এ thesis presentation/seminar component এবং SPML seminar ছিল; 2026-2027 course-এ সেই component আর নেই। তবে Technology thesis process-এ seminar/presentation/opposition activity আছে, তাই current Sisu/Moodle implementation follow করুন।

22. Supervision Plan এবং schedule

Technology thesis-এ Thesis Supervision Plan ব্যবহার করা হয়। Research question, supervisor roles, meetings, data access, compute resources, milestones এবং target completion period ঠিক করুন। ML project-এ data cleaning ও failed experiments-এর সময় রাখুন। Milestone শুধু code completion নয়; frozen split, baseline, primary experiment, analysis, draft এবং final checks আলাদা করুন।

23. AI ব্যবহার

Machine learning programme হলেও Tampere-এর AI rules একইভাবে প্রযোজ্য। AI coding, debugging, idea generation বা language improvement-এ সহায়তা করতে পারে, কিন্তু correctness-এর দায়িত্ব student-এর। Confidential company data, personal data, unpublished dataset বা protected code permission ছাড়া external AI-তে দেবেন না। Generated citation, math এবং code verify করুন এবং required acknowledgement দিন।

24. Maturity test, Turnitin এবং Trepo

Master’s degree-এ maturity test আছে। Current Technology guidance অনুযায়ী international master’s students-এর ক্ষেত্রে thesis abstract সাধারণত maturity test হিসেবে কাজ করে, যদিও language history route বদলাতে পারে। Supervisor permission-এর পর final thesis Turnitin originality check-এর মধ্য দিয়ে যায়। Similarity percentage নিজে plagiarism verdict নয়। এরপর Trepo submission process follow করতে হয়।

25. Publicity, PDF/A এবং confidentiality

Approved thesis public document এবং electronically archived। Final file PDF/A হওয়া দরকার, তাই equation, font এবং figure-heavy thesis হলে conversion আগেই test করুন। Confidential company code, credentials, restricted dataset বা sensitive details public thesis-এর বাইরে রাখুন। Thesis public হওয়ার rule project শেষে নয়, শুরুতেই planning-এ ধরুন।

26. Assessment এবং graduation

MSc Technology thesis grading 0-5। ITC.CEE.800 আলাদা pass/fail course; thesis grade নির্ধারণ করে না। Formal examiners Tampere criteria অনুযায়ী thesis assess করেন। সাধারণ examiner window 21 দিন, আর applicable separate maturity route হলে 28 দিন হতে পারে। Approval-এর পর thesis final। Trepo, maturity, assessment এবং degree application-এর administrative সময় schedule-এ রাখুন।