Ohjelmistot ja järjestelmät
Python- ja selainkehitys, tietokannat, rajapinnat sekä paikalliset palvelut. Huomio myös virhetilanteisiin, testattavuuteen ja jatkokehitykseen.
- Python
- JavaScript
- HTML / CSS
- SQL / SQLite
- Git
- Flask
Data ja koneoppiminen
Konenäkö, syväoppiminen, signaalinkäsittely ja kokeiden arviointi. Menetelmän rinnalla tarkastellaan aina myös käytettävissä olevaa aineistoa.
- PyTorch
- OpenCV
- NumPy
- Pandas
- CNNs / Transformers
- OCR
Laitteet ja robotiikka
Mikrokontrollerit, anturit, tiedonkeruu ja telemetria. Robotiikan taustaa simulaatiosta ja jäljittelyoppimiseen liittyvästä tutkimustyöstä.
- ESP32 / ESP8266
- Raspberry Pi
- MQTT
- Sensors
- MuJoCo
- Isaac Sim
Geometria ja prototypointi
Parametrinen geometria, selainpohjaiset 3D-käyttöliittymät, fotogrammetria ja 3D-tulostus. Digitaalinen malli ja fyysinen kokeilu pidetään selkeästi eroteltuina.
- Three.js
- OpenCascade
- Manifold
- WebAssembly
- STL / GLB
- Photogrammetry
Valokuvaus ja kuvankäsittely
Tapahtuma- ja urheilukuvaus, kuvien valinta ja jälkikäsittely. Työhön voidaan sopia myös RAW-kuvien käsittely ja kuvien toimittaminen verkkogalleriana.
- Event photography
- Sports photography
- RAW processing
- Online galleries
Työtapa
Kokeilu saa olla pieni.
Havaintojen pitää olla selkeitä.
Työkalu valitaan tarpeeseen. Epävarmat oletukset testataan, toteutettu ja suunniteltu työ erotellaan ja ratkaisun rajat kirjataan. Tavoitteena on, että seuraava päätös perustuu havaintoihin.
- 01
Ymmärretään tarve
Mitä pitäisi saada aikaan, kenelle ja millä reunaehdoilla? Rajataan ensimmäinen hyödyllinen kokonaisuus.
- 02
Testataan olennainen
Kokeillaan epävarma osa varhain. Sovitaan, millä havainnoilla jatkosta päätetään.
- 03
Toteutetaan ja luovutetaan
Kootaan toteutus, testit ja dokumentaatio niin, että ratkaisun käyttö ja jatkokehitys ovat ymmärrettäviä.