Tampere University Speech and Language Technology for AI Master's Thesis Guide: 2027 বাংলা সংস্করণ

প্রথম নিয়ম: 2027 curriculum এখনো publish হয়নি

Tampere University এখন Speech and Language Technology for AI-কে Computing Sciences and Electrical Engineering-এর 120 ECTS, দুই বছরের Master of Science (Technology) specialisation হিসেবে দেখাচ্ছে। কিন্তু applicant page পরিষ্কারভাবে বলে programme curriculum এখনো under preparation এবং 2027 সালের শুরুতে publish হবে। তাই future major credit split, compulsory course বা programme-specific seminar এখনই বানিয়ে বলা যাবে না। যা already stable তা হলো Technology thesis framework: thesis 30 ECTS এবং grading 0-5।

1. Programme-এর academic scope

Programme text এবং speech দুই দিকই cover করে। Text side-এ language-model AI, machine translation, information retrieval, summarisation, information extraction এবং question answering আছে। Speech side-এ speech recognition, speaker analysis, speaking style/emotion, speech coding, denoising, enhancement এবং synthetic speech আছে। তাই thesis শুধু LLM fine-tuning বা শুধু audio processing হতে হবে এমন rule নেই। Research question method নির্ধারণ করবে।

2. Current course evidence কীভাবে ব্যবহার করবেন

Current COMP.SGN-A02 audio, speech এবং natural language processing-কে signal processing ও machine learning-এর অংশ হিসেবে দেখায়। COMP.SGN.120 speech signals, coding, ASR এবং synthesis cover করে। DATA.ML.200 transformers, encoder-decoder, supervised এবং self-supervised learning cover করে। এগুলো current academic environment-এর evidence, future 2027 degree structure নয়। New curriculum publish হলে Sisu structure-ই authority হবে।

3. Thesis নিজে 30 ECTS

MSc Technology হওয়ার কারণে Tampere-এর current Technology thesis process apply করে। Thesis 30 ECTS independent academic work। Corpus analysis, speech signal processing, ML experiment, system implementation, human evaluation, modelling বা literature review হতে পারে। Working model বা high benchmark score alone thesis contribution নয়; clear problem, justified method, baseline, evidence এবং limitations লাগবে।

4. Broad idea-কে research question বানান

“LLM fine-tune করব” বা “speech recogniser বানাব” activity, research question নয়। Language/speaker population, input condition, comparison, model boundary এবং primary outcome define করুন। Translation হলে language pair/domain, ASR হলে speaker/acoustic condition, retrieval হলে corpus snapshot এবং evidence standard লিখুন। Scope narrow না করলে data, training, evaluation এবং deployment একসঙ্গে thesis-কে অযথা বড় করে ফেলবে।

5. Model-এর আগে data split

Speech/language research-এ leakage বড় risk। Split unit speaker, recording session, conversation, document, author, website বা time period হতে পারে। একই recording-এর window train এবং test-এ গেলে model session cue exploit করতে পারে। Training, validation/model-selection এবং final test আগেই আলাদা করুন। Final test বারবার দেখে tuning করবেন না। Small data হলে grouped cross-validation ব্যবহার করা যায়।

6. Speech experiment-এ speaker/session control

Sampling rate, channels, segmentation, normalisation, microphone/corpus condition এবং acoustic environment relevant হলে document করুন। Unseen-speaker claim হলে একই speaker training ও test-এ থাকবে না। একই session-এর utterance-ও room/microphone artefact share করতে পারে। Claim যদি cross-device বা cross-domain হয়, split ও evaluation সেই boundary reflect করবে।

7. ASR evaluation

Automatic speech recognition-এ WER/CER useful হলেও scoring procedure আগে define করতে হবে। Tokenisation, punctuation, text normalisation এবং morphology result বদলাতে পারে। Aggregate score-এর পাশাপাশি insertion, deletion, substitution, noisy condition, difficult speaker বা language-specific performance inspect করুন। Multilingual system হলে weak language এক average-এর মধ্যে hide করবেন না।

8. Speaker, style এবং emotion analysis

Programme speaker identity, speaking style এবং emotional state analysis-এর কথা বলে। এগুলো sensitive personal/behavioural information হতে পারে। Ground truth কে দিয়েছে, annotator disagreement কীভাবে handle করা হয়েছে এবং recording condition কী ছিল document করুন। Speaker verification হলে enrollment/test separation এবং suitable metric ব্যবহার করুন। এক narrow corpus দিয়ে broad biometric robustness claim করা safe নয়।

9. Speech enhancement এবং synthesis

Denoising, enhancement বা TTS-এ automatic metric সবসময় human perception-এর সঙ্গে মেলে না। Perceptual quality central হলে listening test বা suitable human evaluation দরকার কি না supervisor-এর সঙ্গে ঠিক করুন। Synthetic speech-এ intelligibility, naturalness, speaker similarity এবং prosody আলাদা dimension। Real speaker clone করলে consent, impersonation ও misuse risk-ও research design-এর অংশ।

10. NLP text corpora

Text dataset-এ duplicate, template, leaked labels, personal data বা copyrighted content থাকতে পারে। Source, version, licence, filtering এবং deduplication document করুন। Public benchmark web-এ থাকলে model pretraining-এ benchmark contamination হয়েছে কি না সবসময় জানা যায় না। Classification, retrieval, summarisation বা extraction-এ task-appropriate metric ব্যবহার করুন এবং headline score-এর সঙ্গে error analysis রাখুন।

11. LLM contamination এবং reproducibility

LLM provider model/API change করতে পারে। Exact model identifier, date/version, prompt template, system instruction, sampling settings, retrieval config এবং post-processing record করুন। Benchmark model-এর pretraining-এ থাকতে পারে এমন risk থাকলে limitation হিসেবে লিখুন। নতুন বা private evaluation data কখনো stronger control হতে পারে।

12. Fine-tuning ও adaptation

Base model, training data, split, objective, optimiser, learning rate, batch size, steps/epochs, PEFT method এবং seeds relevant হলে লিখুন। Final evaluation data untouched রাখুন। Prompting, retrieval এবং weight fine-tuning আলাদা পদ্ধতি; সব adaptation-কে fine-tuning বলবেন না। Efficiency claim থাকলে compute, memory বা latency comparable environment-এ evaluate করুন।

13. Translation, summarisation ও generation

Fluent output factual বা semantically correct নাও হতে পারে। BLEU, chrF, ROUGE বা embedding metric quality-এর কিছু অংশ মাপে। Task অনুযায়ী metric বেছে limitations বলুন। Human evaluation হলে rubric, annotator, blinding, sample size এবং agreement strategy explain করুন। Subjective preference score-কে context ছাড়া objective truth হিসেবে present করবেন না।

14. Retrieval এবং question answering

Retrieval quality এবং answer-generation quality আলাদা করুন। Weak answer poor retrieval, poor generation বা দুটো থেকেই আসতে পারে। Corpus snapshot preserve করুন। RAG হলে chunking, embedding model, index setting, top-k, reranking এবং prompt construction document করুন। Final experiment-এর সময় কোন evidence available ছিল সেটা traceable রাখুন।

15. Multilingual, dialect ও accent

Language technology language, dialect, accent, domain এবং speaker group অনুযায়ী unequal perform করতে পারে। Broad multilingual claim করলে subgroup performance report করুন। Macro-average ছোট language-এর failure hide করতে পারে। Demographic label ব্যবহার করলে data ও research question অনুযায়ী justify করুন; unsupported causal explanation এড়িয়ে চলুন।

16. Bias, accessibility এবং impact

Speech/language system communication access-এ সরাসরি impact ফেলতে পারে। Recognition error কিছু speaker-এর জন্য বেশি হতে পারে, generated language stereotype reproduce করতে পারে। Fairness বা accessibility relevant হলে measurable property define করুন। Thesis-কে সব ethical problem solve করতে হবে না, কিন্তু foreseeable risk, studied risk এবং out-of-scope risk পরিষ্কারভাবে আলাদা করতে হবে।

17. Human participant ও personal data

Voice automatically anonymous নয়। Transcript-এ identity, health, location বা sensitive information থাকতে পারে। Participant recruitment বা personal data processing হলে controller role, lawful basis, minimisation, storage, access এবং retention supervisor-এর সঙ্গে আগে ঠিক করুন। Public dataset downloadable হলেই সব training/redistribution allowed নয়; licence ও consent boundary record করুন।

18. Reproducibility

Dataset version, split files, preprocessing, model version, code revision, environment, hyperparameters, prompts এবং evaluation script freeze করুন। Speech pipeline-এ feature extraction, segmentation এবং normalisation version করুন। Stochastic training হলে seeds/repeated runs report করুন। প্রতিটি figure/table কোন exact experiment থেকে এসেছে traceable রাখুন।

19. Baseline, uncertainty ও error analysis

Simple n-gram, classical speech method, linear model, smaller neural model বা existing system কখনো better baseline হতে পারে। একই data split ও comparable tuning ব্যবহার করুন। Random seed বা finite test set result বদলালে variation report করুন। Aggregate metric-এর পরে systematic error analysis করুন; শুধু dramatic example বেছে qualitative conclusion বানাবেন না।

Final draft-এর আগে একটি claim-to-evidence table বানানো খুব useful। প্রতিটি বড় conclusion-এর পাশে কোন dataset, experiment, human evaluation, figure বা analysis সেটিকে support করে লিখুন। Engineering observation এবং research claim আলাদা রাখুন। “robust”, “multilingual”, “real-time”, “fair” বা “human-like” ধরনের শব্দের জন্য direct evidence না থাকলে claim narrow করুন। 30 ECTS thesis-এ AI pipeline অনেক output তৈরি করতে পারে, কিন্তু সব output academic conclusion নয়।

Human evaluation করলে output দেখার আগেই sampling plan ঠিক করুন। প্রয়োজন হলে system identity blind/randomise করুন, instruction একই রাখুন এবং tie, missing rating ও annotator disagreement কীভাবে handle করবেন লিখুন। Small convenience sample হলে সেটি limitation হিসেবে বলুন; evaluated speaker/language/domain-এর বাইরে broad generalisation করবেন না।

Computational work-এ exploratory experiment এবং final confirmatory evaluation আলাদা রাখুন। Development-এর সময় architecture/prompt explore করা স্বাভাবিক, কিন্তু final comparison-এ frozen split, metric, baseline এবং stopping rule রাখুন। Failed বা neutral result design decision explain করলে research log-এ রাখুন; শুধু favourable run বেছে নিলে conclusion অতিরিক্ত confident দেখাতে পারে।

20. AI thesis-এ AI ব্যবহার

Programme AI নিয়ে হলেও Tampere-এর AI rules একই থাকে। Coding, debugging, idea generation বা language improvement-এ AI use করা যেতে পারে current rules-এর মধ্যে, কিন্তু correctness এবং acknowledgement-এর দায়িত্ব student-এর। Confidential text, unpublished recordings, personal data, credentials বা protected code permission ছাড়া external AI service-এ upload করবেন না। Citation, equation, code ও technical claim independently verify করুন।

Thesis যদি speech এবং text দুই modality combine করে, তাদের interface আলাদা করে document করুন। Transcript human-made না ASR-generated, timestamp/speaker label রাখা হয়েছে কি না এবং ASR error downstream NLP result-এ কীভাবে propagate করে তা explain করুন। Pipeline-এর কোন stage independently evaluate হয়েছে সেটাও দেখান। নাহলে language-model improvement আসলে transcription বা preprocessing change-এর effect হতে পারে।

Final writing-এর সময় table/figure caption-এ dataset split, metric এবং model version যথেষ্ট পরিষ্কার রাখুন, যাতে reader main text না পড়েও comparison-এর basic boundary বুঝতে পারে। Appendix-এ অতিরিক্ত prompt, hyperparameter বা error taxonomy রাখা যায়, কিন্তু core method public thesis-এর main body-তেই explain করতে হবে।

21. ITC.CEE.800 boundary

Current ITC.CEE.800 Tools for theses 5 ECTS, pass/fail। Current parts হলো research methods, research ethics/good scientific practice, information searching এবং career planning। কিন্তু future SLT-AI curriculum এখনো unpublished। তাই course-টি future specialisation-এ compulsory বলে claim করা হচ্ছে না। 2027 Sisu structure publish হলে placement verify করুন।

22. Seminar boundary

Technology thesis process-এ seminar/presentation activity আছে, কিন্তু current evidence future SLT-AI-specific seminar code দেয় না। Old SPML seminar বা অন্য CSEE programme-এর course import করবেন না। New curriculum publish হলে Sisu/Moodle থেকে exact registration, presentation, opposition এবং attendance requirement check করুন।

23. Supervision Plan ও research plan

Technology thesis-এ Thesis Supervision Plan ব্যবহার হয়। Research question, scope, supervision, meetings, data access, compute/GPU, API budget, corpus permission এবং schedule আগে ঠিক করুন। Large training শুরু করার আগে primary claim, baseline, split, metric এবং analysis plan লিখুন। এতে expensive experiment research question-এর সঙ্গে aligned থাকে।

24. Maturity, Turnitin ও Trepo

Master’s degree-এ maturity test আছে। Current Technology guidance অনুযায়ী international master’s student-এর ক্ষেত্রে thesis abstract সাধারণত maturity test হিসেবে কাজ করে, যদিও language history route বদলাতে পারে। Supervisor permission-এর পরে final thesis Turnitin originality check-এর মধ্যে যায়। Similarity percentage নিজে plagiarism verdict নয়। তারপর final thesis Trepo process-এ submit হয়।

25. Public thesis, PDF/A ও confidentiality

Approved thesis public document এবং permanently archived। Final file PDF/A হতে হবে। Multilingual font, phonetic symbol, equation, figure এবং code-heavy document হলে conversion আগে test করুন। Restricted transcripts, company prompts, proprietary weights, credentials বা confidential corpora public manuscript-এর বাইরে রাখুন, কিন্তু method/evidence examiner বোঝার মতো থাকতে হবে।

26. Assessment, graduation এবং 2027 recheck

MSc Technology thesis grading 0-5। Architecture pass/fail exception apply করে না। Normal examiner window সাধারণত 21 days; applicable separate maturity route হলে 28 days হতে পারে। এই programme-এর জন্য extra step: 2027 সালের শুরুতে নতুন curriculum আবার verify করুন। Final advanced-studies module, compulsory courses, ITC.CEE.800 placement, seminar এবং programme-specific thesis instruction confirm করুন। Published 2027 curriculum এই transition guide থেকে আলাদা হলে নতুন curriculum-ই control করবে।