Diplomi-insinööriopiskelija, tietotekniikka
Suuntautuminen: lääketieteellinen tekniikka
Opiskelen diplomi-insinööriksi tietotekniikan alalla, suuntautumisena lääketieteellinen tekniikka ja terveysteknologia.
Taustani kattaa laajan osaamisen tietotekniikassa: algoritmit, tietorakenteet, käyttöjärjestelmät ja sulautetut järjestelmät. Tämän lisäksi minulla on soveltavaa osaamista erityisesti biosignaalinkäsittelyssä, lääkinnällisissä järjestelmissä ja data-analytiikassa. Olen työskennellyt todellisten biosignaalien parissa, kuten EKG, PPG, EOG ja EMG.
Olen tottunut työskentelemään ryhmässä sekä opintoprojekteissa että käytännöllisissä teknisissä ympäristöissä. Dokumentointi ja systemaattisuus ovat tärkeä osa työskentelytapaani, erityisesti monialaisten ryhmien yhteistyössä.
Teknisen osaamisen lisäksi minulla on vahva kiinnostus psykologiaan, erityisesti yhdistettynä IT-järjestelmiin.
Teen säännöllisesti yhteistyötä monialaisten tiimien kanssa. Yhdistystoiminnassa olen tottunut johtamaan ja koordinoimaan tiimejä. Viking Linella työskennellessäni kommunikoin ammattimaisesti asiakkaiden ja henkilökunnan kanssa päivittäin.
Käytännön vianetsintä teknisissä järjestelmissä. Olen tottunut työskentelemään järjestelmällisesti dokumentaation ja ohjeiden mukaisesti.
Systemaattinen lähestymistapa sekä tekniseen työhön että projektinhallintaan.
Olen kokenut johtaja sekä teoriassa että käytännössä. Olen tottunut ottamaan vastuuta ryhmässä ja koordinoimaan eri sidosryhmien välillä. Olen saanut muodollisen johtamiskoulutuksen yliopistokurssin, varusmiespalveluksen ja partio-organisaation kautta.
Aliupseeri.
Partiojohtaja vuodesta 2020.
Hallitustyö opiskelijajärjestössä.
Lautapelille tarkoitettu ajastin shakkilokin tyyliin, mutta useammalle pelaajalle. Rakennettu vanilla JavaScriptillä.
Sulautettujen järjestelmien insinööri 6 kuukauden yliopistoprojektissa. Vastaan sulautetun laitteen kehittämisestä, joka lukee sähköautodataa OBD-2-diagnostiikkaportista ja lähettää kevyesti käsitellyn datan palvelimelle.
Taidot:
Yhteistyö
Suunnittelu
Dokumentointi
Ongelmanratkaisu
Toteutus
Ohjelmistotuotanto
Projektin esittely & pitchaus
Laitteistokehitys
Markkinatutkimus
Projektin tavoitteena oli luokitella unenvaiheet automaattisesti (valveilla, NREM, REM) EOG- ja EMG-signaaleista koneoppimisen avulla. Raakadata esikäsiteltiin Butterworth-kaistanpäästösuodattimilla (EOG: 0,5–50 Hz, EMG: 20–99 Hz) ja piirteet ekstraktoitiin taajuustasossa Welchin menetelmällä, mm. dominanttifrekvenssi, spektraalinen entropia, sentroidi ja rolloff.
Kahta luokittelumallia vertailtiin: Random Forest ja SVM RBF-ytimellä. Hyperparametrit optimoitiin GridSearchCV:llä ja RFECV:tä käytettiin optimaalisen piirtejoukon valintaan. Random Forest saavutti ~82 %:n tarkkuuden ja osoittautui robustimmaksi kaikissa luokissa, SVM saavutti ~77 %.
Teknologiat: Python, NumPy, SciPy, scikit-learn
Tutkielma tarkastelee GNSS-järjestelmien tietoturva-aukkoja, ensisijaisesti huijausta (spoofing) ja häirintää (jamming), ja arvioi vaihtoehtoisia ja täydentäviä paikannusmenetelmiä tilanteisiin, joissa GNSS-signaali on epäluotettava tai saavuttamaton. Työ yhdistää systemaattisen kirjallisuuskatsauksen menetelmien suorituskyvyn, luotettavuuden ja käytännön soveltuvuuden tekniseen analyysiin.
Arvosana: 5/5
Huom: Tutkielma on kirjoitettu ruotsiksi.
# Lisää projekteja lisätään jatkuvasti