University of Turku Data Analytics Master’s Thesis Guide: DTEK1002, DTEK1104 ও UTUGradu বাংলা সংস্করণ

দ্রুত উত্তর: University of Turku Data Analytics thesis route কী?

University of Turku-এর বর্তমান Data Analytics specialisation track হলো Master’s Degree Programme in Information and Communication Technology-এর 120 ECTS, দুই বছরের Master of Science (Technology) programme, Faculty of Technology-এর অধীনে। Controlling curriculum object হলো ICTDATA2427 / programme 99359। Exact thesis DTEK1002 Master’s Thesis in Technology, 30 ECTS, grading 0-5; সঙ্গে TTDK1308, 0 ECTS maturity examination। Current track-specific seminar DTEK1104 Master’s Thesis in Technology Seminar, Data Analytics, 5 ECTS, Pass/Fail, এবং Fall 2026-Spring 2027-এর live Moodle instance আছে।

1. ICTDATA2427 / programme 99359 দিয়ে শুরু করুন

Course-level planning-এ current 2024-2027 Peppi object ব্যবহার করুন। Public programme page high-level degree structure দেয়, Peppi exact module/course resolve করে। Parent ICT programme-এর Cyber Security বা Cryptography structure copy করবেন না।

2. Degree 120 ECTS

Public page অনুযায়ী degree 120 ECTS, দুই academic year। Peppi 115-125 ECTS root selection range দেখাতে পারে কারণ minor/other-study block-এ minimum/maximum range আছে। এটা formal degree size পরিবর্তন করে না।

3. এখানে public আর Peppi advanced total সুন্দরভাবে মিলে

Public Data Analytics page 50 ECTS advanced-level major studies + 30 ECTS thesis দেখায়। Peppi 80 ECTS Advanced Studies block-কে 20 ECTS Data Analytics Core + 10 ECTS Advanced + 20 ECTS Common Studies + 30 ECTS thesis হিসেবে model করে। Cyber Security-এর মতো 40 বনাম 42 ECTS discrepancy এখানে নেই।

4. Pre-thesis 50 ECTS structure জানুন

20 ECTS Core Module-এ Data Analysis and Knowledge Discovery, Machine Learning and Pattern Recognition, Statistical Data Analysis এবং Evaluation of Machine Learning Methods আছে। 10 ECTS Advanced Module-এ Introduction to Deep Learning ও Algorithm Design। 20 ECTS Common Studies-এ Knowledge and Innovation Management, language study এবং 10 ECTS Capstone অথবা Lean Digital Business Design choice আছে।

5. DTEK1104 30 ECTS thesis-এর বাইরে আলাদা

Peppi DTEK1104-কে Other Studies-এ রাখে, compulsory 30 ECTS thesis category বা 20 ECTS Common Studies-এর ভেতরে নয়। কিন্তু DTEK1002 related Master’s thesis seminar-এ presentation require করে। DTEK1104-কে current Data Analytics thesis-seminar process হিসেবে ধরুন, তবে HOPS-এ exact placement confirm করুন; DTEK1002-এর 30 ECTS-এর ভেতরে count করবেন না।

6. Exact thesis DTEK1002

DTEK1002 Master’s Thesis in Technology 30 ECTS, Advanced Studies, Finnish/English এবং 0-5 graded। Scientific work, research-method mastery, field knowledge ও scientific writing demonstrate করতে হয়। Public Data Analytics page engineering framing-ও দেয়: relevant problem identify, solution propose/design, test/analyse এবং usefulness evaluate।

7. Modelling শুরুর আগে supervisor-এর সঙ্গে plan freeze করুন

DTEK1002 supervisor-এর সঙ্গে thesis plan require করে। Company commission, company co-supervisor বা University research-group topic possible। Data Analytics plan-এ research question, unit of analysis, dataset/provenance, train-validation-test logic, statistical/predictive estimand, primary metric, privacy constraint এবং reproducibility strategy model tuning-এর আগে লিখুন।

8. Examiner ও approval route

কমপক্ষে দুই examiner DTEK1002 evaluate করেন। Examiner evaluation-এর ভিত্তিতে head of the department final acceptance ও grading decide করেন। Seminar, maturity test ও HOPS placement administrative obligation হলেও 30 ECTS thesis grading-এর সঙ্গে এগুলো mix করবেন না।

9. TTDK1308 হলো 0 ECTS maturity examination

Thesis category-তে TTDK1308, 0 ECTS আছে। সাধারণত thesis abstract বা suitable section maturity test হিসেবে কাজ করে। Prior degree ও Finnish/Swedish educational-language background অনুযায়ী conditional written-exam route থাকতে পারে। নিজের route verify করুন।

10. DTEK1104 সত্যিকারের current 2026-2027 seminar

DTEK1104 5 ECTS, Advanced Studies, Pass/Fail। Peppi thesis-structure analysis, field-specific research methods, previous-thesis analysis presentation, নিজের thesis presentation, peer participation এবং research-method exercise describe করে। Live Moodle instance স্পষ্টভাবে Fall 2026-Spring 2027, teacher Csaba Raduly-Baka।

11. Seminar-এ evaluation design challenge করুন

Model-based thesis হলে শুধু architecture নয়, data split, target population, baseline, tuning procedure ও final evaluation present করুন। Statistical work হলে assumption ও inferential target দেখান। Algorithmic work হলে correctness, efficiency ও empirical performance আলাদা করুন।

12. Model বাছার আগে prediction/inference question লিখুন

অনেক thesis-এ আগে বহু model try করে পরে question বানানো হয়। উল্টো করুন। Association estimate, hypothesis test, new-observation prediction, algorithm comparison, uncertainty estimation নাকি system design করছেন তা আগে লিখুন। Evaluation design সেই question থেকে আসবে।

13. Data leakage research-validity সমস্যা

Final classifier test label না দেখলেও preprocessing leak করতে পারে। Scaling, imputation, feature selection, dimensionality reduction বা representation learning full dataset-এ fit করলে test information training-এ ঢুকতে পারে। Data-dependent preprocessing training boundary-এর ভেতরে fit করুন।

14. Deployment question অনুযায়ী split করুন

TKO_7092 শেখায় যে generalisation question বদলালে resampling design বদলায়। Seen subject-এর new measurement আর entirely new subject এক নয়। Nearby geospatial observation আর দূরের নতুন location এক নয়। Pairwise problem-এ এক বা দুই entity unseen হওয়ার cold-start case আলাদা। Future case আগে define করুন।

15. Tuning আর final performance estimation আলাদা রাখুন

যে evidence দিয়ে hyperparameter choose করছেন, একই evidence final test performance হিসেবে report করলে optimistic bias হতে পারে। Separate validation বা nested resampling ব্যবহার করুন। Final evidence দেখার আগে selection rule fix করা গেলে ভালো।

16. Final test set সত্যিই final রাখুন

Held-out test set বারবার দেখে feature, threshold বা architecture change করলে সেটা development set হয়ে যায়। Modelling choice fix হওয়ার পর ব্যবহার করার final evaluation surface রাখুন। Dataset ছোট হলে appropriate resampling ব্যবহার করে limitation লিখুন।

17. Overfitting ও underfitting আলাদা failure mode

TKO_3120 দুটোই explicitly শেখায়। Overfitting training-specific pattern ধরে; underfitting relevant structure ধরতে পারে না। Training loss alone generalisation diagnose করে না। Training/validation behaviour compare করুন এবং choice fixed হওয়ার পর final evaluation করুন।

18. Meaningful baseline রাখুন

Sophisticated model automatically better contribution নয়। Majority/prevalence baseline, linear/logistic model, simple tree, established algorithm বা current operational method-এর সঙ্গে compare করুন। Same split/metric ব্যবহার করুন।

19. Decision problem থেকে metric নিন

Imbalanced classification-এ accuracy minority failure hide করতে পারে। Positive class define করুন এবং precision, recall, specificity, F-score, ROC-AUC, PR-AUC, calibration বা অন্য metric কেন fit করে বলুন। False positive ও false negative cost আলাদা হতে পারে।

20. Calibration ও discrimination আলাদা

Model ranking ভালো হলেও predicted probability systematically ভুল হতে পারে। Risk/decision input হিসেবে probability ব্যবহার করলে calibration check করুন। Sample ছোট বা split unstable হলে performance uncertainty report করুন।

21. Predictive performance আর statistical significance এক নয়

Significant association useful out-of-sample prediction guarantee করে না, আর strong prediction causal mechanism prove করে না। Analysis যে evidence produce করেছে conclusion-এর verb সেটার সঙ্গে match করুন।

22. Exploratory ও confirmatory analysis আলাদা করুন

Plot, correlation, subgroup check exploratory understanding-এর জন্য useful। কিন্তু repeated inspection পরে test selection influence করে। Same data দিয়ে hypothesis generate ও confirm করলে limitation বলুন বা feasible হলে independent confirmation ব্যবহার করুন।

23. Statistical assumption method section-এ লিখুন

Chosen test/model data structure-এর জন্য কেন suitable বলুন। Relevant distribution, independence বা variance assumption check করুন। Subject/location/organisation/time-এর repeated observation থাকলে dependence account করুন।

24. Multiple comparison ও model search disclose করুন

অনেক variable, transformation, subgroup বা model try করলে favourable result selection-এর chance বাড়ে। Search process record করুন এবং প্রয়োজনমতো correction, validation বা independent confirmation ব্যবহার করুন। Exploratory search final evidence থেকে আলাদা করুন।

25. Deep learning reproducibility-তে model name যথেষ্ট নয়

Architecture, optimiser, learning rate, preprocessing, regularisation, stopping rule, batch settings এবং seed policy preserve করুন। Framework/library version ও compute environment record করুন। Stochastic training হলে এক favourable run-কে deterministic performance বলবেন না।

26. Transfer learning-এর starting point traceable করুন

Pretrained model/source identify করুন, কী frozen/fine-tuned ছিল লিখুন। Evaluation domain-এর সঙ্গে pretraining overlap relevant হলে contamination/prior exposure discuss করুন। Pretraining gain আর নিজের method-এর gain আলাদা করুন।

27. Algorithm correctness ও efficiency আলাদা claim

TKO_3108 proof of correctness ও efficiency properties শেখায়। Fast implementation ভুল হতে পারে; correct algorithm impractical হতে পারে। কোন property theoretically proved আর কোনটা empirically measured তা আলাদা লিখুন। Runtime benchmark correctness proof-এর বদলি নয়।

28. Controlled condition-এ benchmark করুন

Input size/distribution, hardware, software/compiler/library version এবং repeated-run aggregation record করুন। Comparative claim হলে same input ও comparable implementation ব্যবহার করুন। এক machine বা input family থেকে universal complexity claim করবেন না।

29. Probabilistic analysis-এ uncertainty preserve করুন

TKO_7106 reproducible probabilistic workflow শেখায়। Model specification, prior/assumption, computational setting এবং posterior summary preserve করুন। Uncertainty research question-এর অংশ হলে শুধু point estimate দেবেন না। Relevant diagnostic কীভাবে assessed হয়েছে লিখুন।

30. Text data-তে provenance ও quality control

Corpus source, inclusion/exclusion, language/domain, annotation instruction ও quality check record করুন। Duplicate/near-duplicate, repeated author বা একই source-derived document train/test leakage তৈরি করতে পারে।

31. NLP claim language/domain-এ bound করুন

এক language/genre/corpus-এ evaluated model অন্য domain-এ automatically valid নয়। Exact pretrained model, fine-tuning data, task definition ও split identify করুন। Cross-domain/cross-lingual claim হলে direct evaluation দিন।

32. Computer vision split subject/site/frame-aware করুন

Same subject-এর video frame বা repeated image প্রায় identical হতে পারে। Random image split নতুন subject/site/environment claim-এর জন্য optimistic result দিতে পারে। Deployment unit অনুযায়ী split করুন এবং relevant acquisition condition record করুন।

33. Sensor fusion calibration assumption বাড়ায়

Camera/radar/LiDAR modality, calibration/registration, synchronization ও fusion level লিখুন। Performance gain engineering condition-এর ওপর depend করতে পারে। Acquisition/alignment change হলে gain শুধু algorithm-এর নামে দেবেন না।

34. Clustering/embedding self-validating নয়

Unsupervised cluster-এর ground-truth meaning automatically থাকে না। Stability, external label, domain interpretation বা অন্য validation rationale লিখুন। 2D embedding-এ visual separation original high-dimensional space-এ discrete population prove করে না।

35. Missing-data handling-এও leakage হতে পারে

Missingness কীভাবে assessed ও imputation কীভাবে করা হয়েছে লিখুন। Full dataset-এ imputation parameter estimate করে split করলে test information leak করতে পারে। Generalisation target হলে imputation resampling boundary-এর ভেতরে রাখুন।

36. End-to-end data provenance রাখুন

Raw/received data থেকে model-ready dataset পর্যন্ত acquisition/source, snapshot/version, exclusion, cleaning, transformation, label construction ও split membership trace রাখুন। Company dataset continuously update হলে এটা বিশেষ গুরুত্বপূর্ণ। Final CSV alone audit/reproduction-এর জন্য দুর্বল।

37. Personal data data-engineering plan বদলায়

Name remove হলেও text, image, location trace, ID বা behavioural record re-identifiable হতে পারে। Controller/access, minimisation, retention ও publication boundary define করুন। Re-identification possible হলে pseudonymisation-কে anonymisation বলবেন না।

38. Ethics/research permit actual study-এর ওপর depend করে

Pure technical benchmark automatically human-subject ethics review require করে না। Survey, behavioural experiment, sensitive personal-data study বা intervention additional review require করতে পারে। Host research permit প্রয়োজন হতে পারে, কিন্তু consent/ethics/legal requirement replace করে না।

39. Company data publication plan আগে করুন

Programme company-commissioned thesis support করে। Raw data, derived feature, performance figure, error example ও model artifact কী publish করা যাবে আগে agree করুন। Confidential raw material public manuscript থেকে আলাদা রাখুন। Synthetic/de-identified example method transparency preserve করতে পারে।

40. DTEK1002 AI disclosure rule মানুন

DTEK1002 generative AI allow করে, কিন্তু use এমনভাবে document করতে বলে যাতে student-এর own contribution identify ও grade করা যায়। AI-generated code, reference, statistical explanation ও prose primary source/actual execution দিয়ে check করুন। Confidential partner data বা restricted personal data uncontrolled AI service-এ upload করবেন না।

41. Turnitin analytical validity check করে না

Degree thesis-এ Turnitin mandatory এবং master’s thesis check UTUGradu-এর মাধ্যমে approve হয়। Low similarity leakage control, statistical assumption, model generalisation বা reproducibility prove করে না। Originality, research integrity ও analytical validity আলাদা gate।

42. UTUGradu final institutional route

UTUGradu originality check, examination, approval, electronic publication ও archiving manage করে। Upload-এর আগে examiner-ready manuscript final code/data output-এর সঙ্গে match করে কিনা, confidentiality settled কিনা, DTEK1104/HOPS obligation ঠিক আছে কিনা এবং maturity route নিজের background-এর জন্য correct কিনা check করুন।

43. Submission-এর আগে claim-to-evidence table freeze করুন

Headline claim-এর পাশে evidence type লিখুন: statistical test, held-out prediction, nested CV, algorithm proof, runtime benchmark, posterior analysis, NLP evaluation, computer-vision experiment বা literature synthesis। Strongest defensible verb দিন। এতে significance দিয়ে prediction বা এক benchmark দিয়ে universal superiority claim করার ভুল ধরা পড়ে।

44. একটি headline result scratch থেকে reproduce করুন

Documented data snapshot/environment থেকে central table, metric, figure বা algorithm benchmark regenerate করুন। Split, preprocessing, seed, model parameter, unit ও aggregation verify করুন। Material difference হলে pipeline investigate করুন; manuscript number manually force করবেন না।

Reproduction successful বলার আগে manuscript-এর exact claim-এর সঙ্গে regenerated result compare করুন, শুধু পুরোনো notebook cell বা screenshot-এর সঙ্গে নয়। Dataset snapshot, exclusion rule, target definition, fold membership, preprocessing object, feature list, hyperparameter, model checkpoint এবং package environment একই কিনা check করুন। Stochastic optimisation বা repeated resampling থাকলে acceptable numerical variation আগে define করুন।

Company বা sensitive data public করা reproducibility-এর শর্ত নয়। Protected original input agreed access control-এ রাখুন এবং প্রয়োজন হলে synthetic/de-identified demonstration data ব্যবহার করুন। Public thesis-এ transformation pipeline, evaluation logic এবং evidence chain এমনভাবে explain করুন যাতে method audit করা যায় কিন্তু privacy/confidentiality ভাঙে না।

DTEK1104/HOPS status-ও manuscript-এর সঙ্গে শেষবার check করুন। 5 ECTS seminar আলাদা Other Studies object, তাই DTEK1002 30 ECTS complete হলেই seminar placement automatically complete হয় না। Registration, seminar deliverable, maturity route এবং degree-credit placement UTUGradu submission-এর আগে verify করুন।

45. Final Data Analytics checklist

ICTDATA2427 / programme 99359, 120 ECTS, aligned 50 ECTS advanced-major structure, DTEK1002 30 ECTS, DTEK1104 5 ECTS Pass/Fail, TTDK1308 0 ECTS, দুই examiner এবং department-head final acceptance/grading confirm করুন। এরপর separate seminar-এর HOPS placement, data provenance, leakage-safe evaluation, baseline/metric, privacy/ethics, company confidentiality, AI disclosure, Turnitin ও UTUGradu verify করুন।