![Course Image BM20A9000 Principles of Technical Computing for MSc Students - Luento-opetus 5.9.2022-21.10.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A9000 Principles of Technical Computing for MSc Students - Luento-opetus 5.9.2022-21.10.2022
Working with various data structures (multidimensional arrays, cell arrays, etc.) and variable types (numeric, logical, textual, etc.), Matlab symbolic functionality, conditional statements (if-else, switch-case), loops (for and while), using built-in functions, handling external data, 2-D and 3-D plotting, writing user-defined functions, optimization of code speed, style and efficiency.
- Responsible teacher: Matylda Jablonska-Sabuka
![Course Image BM20A9000 Principles of Technical Computing for MSc Students - Luento-opetus 16.1.2023-3.3.2023](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A9000 Principles of Technical Computing for MSc Students - Luento-opetus 16.1.2023-3.3.2023
Working with various data structures (multidimensional arrays, cell arrays, etc.) and variable types (numeric, logical, textual, etc.), Matlab symbolic functionality, conditional statements (if-else, switch-case), loops (for and while), using built-in functions, handling external data, 2-D and 3-D plotting, writing user-defined functions, optimization of code speed, style and efficiency.
- Responsible teacher: Matylda Jablonska-Sabuka
![Course Image BM20A9000 Principles of Technical Computing for MSc Students - Luento-opetus 1.6.2023-30.7.2023](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A9000 Principles of Technical Computing for MSc Students - Luento-opetus 1.6.2023-30.7.2023
Working with various data structures (multidimensional arrays, cell arrays, etc.) and variable types (numeric, logical, textual, etc.), Matlab symbolic functionality, conditional statements (if-else, switch-case), loops (for and while), using built-in functions, handling external data, 2-D and 3-D plotting, writing user-defined functions, optimization of code speed, style and efficiency.
- Responsible teacher: Matylda Jablonska-Sabuka
![Course Image BM20A8900 Principles of Technical Computing for BSc students - Luento-opetus 5.9.2022-21.10.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A8900 Principles of Technical Computing for BSc students - Luento-opetus 5.9.2022-21.10.2022
Matlab data-rakenteiden (moniulotteiset matriisit, cell array,jne.) ja data-tyyppien käyttäminen (numeeriset, loogiset, teksti, jne.), ehdolliset rakenteet (if-else, switch-case), silmukat (for, while), Matlabin sisärakennetyt funktiot, ulkoisen datan käsittely, 2- ja 3-ulotteiset graafit, käyttäjän itsemääritellyt funktiot.
- Responsible teacher: Matylda Jablonska-Sabuka
- Teacher: Juho Virpiranta
![Course Image BM20A8501 Probabilistic Simulation - Luento-opetus 31.10.2022-16.12.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A8501 Probabilistic Simulation - Luento-opetus 31.10.2022-16.12.2022
Basic concepts of discrete systems. Model-based design, basic simulation work-flow, running the simulations and interpreting the results. Random numbers, discrete event generation by random numbers. Statistical and empirical distributions for event generation. Basics of stochastic differential equations. Building numerical simulation examples with Matlab. Application examples: queuing systems, storage size optimization, stochastic dynamical systems and agent-based modelling.
- Responsible teacher: Heikki Haario
- Responsible teacher: Tomas Soto
- Teacher: Angelina Senchukova
![Course Image BM20A8300 Fourier-analyysi - Luento-opetus 16.1.2023-28.4.2023](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A8300 Fourier-analyysi - Luento-opetus 16.1.2023-28.4.2023
Lukujonojen ja sarjojen konvergenssi yleisesti. Potenssi- ja Taylorin-sarjat. Fourier-sarjat. Katkaistut Fourier-sarjat. Fourier-muunnos. Diskreetti Fourier muunnos ja diskreettiaikainen Fourier-muunnos. Ikkunoitu Fourier muunnos. FFT-algoritmi. 2D-Fourier muunnokset. Johdatus Fourier-muunnoksen yleistyksiin.
- Responsible teacher: Jouni Sampo
- Teacher: Esko Makkonen
![Course Image BM20A8200 Optimointi - Luento-opetus 16.1.2023-28.4.2023](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A8200 Optimointi - Luento-opetus 16.1.2023-28.4.2023
Optimoinnista yleisesti. Mallien rakentamisesta ja muotoilusta. lineaarinen optimointi (simplex). Qquadratic optimization. Lagrangen menetelmä yleisesti. Konveksi optimointi ei sileät tavoitefunktiot. Evoluutioalgoritmit
- Responsible teacher: Jouni Sampo
- Teacher: Esko Makkonen
- Teacher: Esko Makkonen
![Course Image BM10A1300 Laskennallinen tekniikka työelämässä - Luento-opetus 31.10.2022-16.12.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM10A1300 Laskennallinen tekniikka työelämässä - Luento-opetus 31.10.2022-16.12.2022
Kurssille kutsutaan puhumaan laskennalliselta tekniikalta lähiaikoina valmistuneita ja eri yrityksiin menneitä kertomaan esimerkiksi:
- minkälaisia ongelmia he ratkovat,
- minkälaisia ohjelmistoja he käyttävät,
- mitä laskentaa he tekevät,
- minkälaisilla koneilla tekevät laskentaa.
- Lisäksi kurssiin liittyy esimerkiksi LUTin spinoff-firmojen esittelyä.
- Responsible teacher: Lassi Roininen
- Responsible teacher: Tomas Soto
- Teacher: Teemu Härkönen
![Course Image BM20A5002 Principles of Technical Computing - Luento-opetus 1.6.2022-6.8.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A5002 Principles of Technical Computing - Luento-opetus 1.6.2022-6.8.2022
Working with various data structures (multidimensional arrays, cell arrays, etc.) and variable types (numeric, logical, textual, etc.), Matlab symbolic functionality, conditional statements (if-else, switch-case), loops (for and while), using built-in functions, handling external data, 2-D and 3-D plotting, writing user-defined functions, optimization of code speed, style and efficiency.
- Responsible teacher: Matylda Jablonska-Sabuka
- Teacher: Veera Vilkkilä
![Course Image BM20A1401 Tilastomatematiikka I - Luento-opetus 2.5.2022-6.5.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A1401 Tilastomatematiikka I - Luento-opetus 2.5.2022-6.5.2022
Todennäköisyyslaskentaa. Satunnaismuuttujat ja tilastolliset perusjakaumat. Havaintoaineiston käsittely ja tilastolliset tunnusluvat. Tilastollisen päättelyn perusteet. Parametrien estimointi. Hypoteesien testaus. Korrelaatio ja yhden selittävän muuttujan lineaarinen regressioanalyysi. Tilastollisten ohjelmistojen käyttöä.
- Responsible teacher: Olli-Pekka Hämäläinen
![Course Image BM20A6900A Matematiikka III - Luento-opetus 9.5.2022-13.5.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
- Responsible teacher: Esko Makkonen
- Teacher: Pauli Anttonen
- Teacher: Joona Kareinen
![Course Image BM10A0000 Master's Thesis and Seminar - Opinnäytetyö 6.9.2021-22.4.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM10A0000 Master's Thesis and Seminar - Opinnäytetyö 6.9.2021-22.4.2022
The Master's thesis is the final project of the Master's degree, which demonstrates the student's knowledge of a topic of scientific or societal importance. The thesis is a research or an implementation project. A report is prepared following the instructions for the Master's thesis. The report contains description of the problem and the context, the used methods, describes the actual analysis and actions in the implementation, provides the results and evaluates the outcomes and conclusions.
- Responsible teacher: Matylda Jablonska-Sabuka
- Teacher: Bernardo Barbiellini
- Teacher: Ashvinkumar Chaudhari
- Teacher: Tuomas Eerola
- Teacher: Heikki Haario
- Teacher: Tapio Helin
- Teacher: Heikki Kälviäinen
- Teacher: Toni Kuronen
- Teacher: Erkki Lähderanta
- Teacher: Lasse Lensu
- Teacher: Xin Liu
- Teacher: Panja Luukka
- Teacher: Satu-Pia Reinikainen
- Teacher: Lassi Roininen
- Teacher: Andreas Rupp
- Teacher: Kari Ullakko
- Teacher: Erik Vartiainen
![Course Image BM10A0300 Kandidaatintyö ja seminaari - Luento-opetus 6.9.2021-17.12.2021](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM10A0300 Kandidaatintyö ja seminaari - Luento-opetus 6.9.2021-17.12.2021
Kirjallisen kandidaatintyön laatiminen ja sen suullinen esitys seminaarissa. Kandidaatintyön laatimisen yhteydessä käydään läpi tutkimuksen suoritusvaiheet sekä tutkielman laatimisessa noudatettavat periaatteet ja perehdytään tutkimuksessa käytettäviin tietolähteisiin.
- Responsible teacher: Matylda Jablonska-Sabuka
- Responsible teacher: Jouni Sampo
![Course Image BM10A0300 Kandidaatintyö ja seminaari - Luento-opetus 10.1.2022-22.4.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM10A0300 Kandidaatintyö ja seminaari - Luento-opetus 10.1.2022-22.4.2022
Kirjallisen kandidaatintyön laatiminen ja sen suullinen esitys seminaarissa. Kandidaatintyön laatimisen yhteydessä käydään läpi tutkimuksen suoritusvaiheet sekä tutkielman laatimisessa noudatettavat periaatteet ja perehdytään tutkimuksessa käytettäviin tietolähteisiin.
- Responsible teacher: Matylda Jablonska-Sabuka
- Responsible teacher: Jouni Sampo
- Teacher: Tuomas Eerola
- Teacher: Ekaterina Nepovinnykh
- Teacher: Marja Talikka
- Teacher: Veera Vilkkilä
![Course Image BM10A0401 Johdatus laskennallisen tekniikan opiskeluun - Luento-opetus 6.9.2021-17.12.2021](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM10A0401 Johdatus laskennallisen tekniikan opiskeluun - Luento-opetus 6.9.2021-17.12.2021
Perustiedot akateemisesta yksikköstä, koulutusohjelmasta ja yliopisto-opiskelusta. Opiskelija tekee henkilökohtaisen opiskelusuunnitelman omien tavoitteidensa mukaisesti. Opiskelija tutustuu yliopiston tiedekirjaston palveluihin ja tietoturvaan liittyviin seikkoihin. Opiskelija tutustuu matemaattisen tekstin tuotantoon Latex-ympäristössä.
- Responsible teacher: Jouni Sampo
- Teacher: Kirsi Ikonen
- Teacher: Minna Miikki
- Teacher: Marja Talikka
![Course Image BM20A1002 Matematiikan ja fysiikan tutorkurssi - Luento-opetus 6.9.2021-17.12.2021](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A1002 Matematiikan ja fysiikan tutorkurssi - Luento-opetus 6.9.2021-17.12.2021
Tämän kurssin opiskelijat osallistuvat matematiikan/fysiikan kurssien harjoituksiin ohjaajan roolissa. Viikottaisissa tapaamisissa keskustellaan teoriasta harjoitusten taustalla ja kuinka opiskelijoita tulisi näissä harjoituksissa ohjata.
- Responsible teacher: Matylda Jablonska-Sabuka
- Responsible teacher: Jouni Sampo
- Responsible teacher: Juho Virpiranta
![Course Image BM20A1501 Numeeriset menetelmät I - Luento-opetus 7.3.2022-22.4.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A1501 Numeeriset menetelmät I - Luento-opetus 7.3.2022-22.4.2022
Laskennassa syntyvien virheiden tarkastelua. Numeerisia ja Matlab-ratkaisumenetelmiä seuraaville ongelmille: epälineaariset yhtälöt ja yhtälöryhmät, optimointi, lineaariset yhtälöryhmät, interpolointi, käyrän sovitus, integrointi, differentiaaliyhtälöiden alkuarvotehtävät.
- Responsible teacher: Matylda Jablonska-Sabuka
- Teacher: Esko Makkonen
- Teacher: Esko Makkonen
- Teacher: Juho Virpiranta
![Course Image BM20A1801 Lineaarinen optimointi - Luento-opetus 10.1.2022-25.2.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A1801 Lineaarinen optimointi - Luento-opetus 10.1.2022-25.2.2022
Johdanto operaatiotutkimukseen. Esimerkkejä LP-mallin muodostamisesta. LP-tehtävän ratkaiseminen simplex-menetelmällä ja ratkaisun analysointi. Johdatus kokonaislukuoptimointiin. Kuljetusongelmat ja niiden ratkaiseminen. Erilaisia verkkomalleja ja niiden ratkaisumenetelmiä. Johdatus monitavoitteiseen optimointiin. Lineaarisen optimoinnin tietokoneohjelmistojen käyttöä.
- Responsible teacher: Esko Makkonen
- Responsible teacher: Sirkku Parviainen
- Teacher: Kati Aalto
- Teacher: Esko Makkonen
- Teacher: Jouni Sampo
![Course Image BM20A2401 Matemaattinen mallinnus - Verkko-opetus 6.9.2021-17.12.2021](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A2401 Matemaattinen mallinnus - Verkko-opetus 6.9.2021-17.12.2021
Matematiikan soveltamisesta, mallinnusprosessin vaiheet. Mallien tyyppejä. Säilymislait ja mallien perusteet. Differentiaaliyhtälöt ja systeemiteoria. Diskreeteistä malleista. Mallit, data ja parametrien estimointi. Tasapainomallit ja stabiilius. Approksimaatio ja skaalat. Probabilistiset mallit. Valikoima tapausesimerkkejä. Sisältö saattaa vuosittain vaihdella.
- Responsible teacher: Jouni Sampo
![Course Image BM20A3003 Statistical Parameter Estimation - Luento-opetus 10.1.2022-25.2.2022](http://moodle.lut.fi/pluginfile.php/1/theme_maker_lut/defaultcourseimage/1720592151/lut-moodle-kurssi-1920x300.jpg)
BM20A3003 Statistical Parameter Estimation - Luento-opetus 10.1.2022-25.2.2022
- Preliminaries of stochastic processes: Brownian motion, fractional Brownian motion, and Ornstein-Uhlenbeck process.
- Simulation of the processes, additive noise processes and postulating the statistical parameter estimation problems as Bayesian statistical estimation problems.
- Bayes’ theorem: Solutions of the parameter estimation problems as a posteriori distributions, e.g. estimate the a posteriori probability density of Hurst parameter and variance scaling parameter of the fractional Brownian motion.
- Drawing estimators from the posterior distribution with Markov chain Monte Carlo methods (Metropolis-Hastings, Hamiltonian Monte Carlo) and optimisation-based methods (quasi-Newton). This includes also uncertainty quantification of the parameters.
- Applications in science, finance and industry.
- Responsible teacher: Lassi Roininen
- Teacher: Jarkko Suuronen