Palkintotoimikunta, johon kuuluivat kandiohjelman johtaja Kjell Lemström, tietojenkäsittelytieteen osaston johtaja Jussi Kangasharju, akatemiatutkija Jeremias Berg sekä tutkielmakurssivastaavat Lea Kutvonen ja Emilia Oikarinen tutustui huolella ohjaustiimien ehdotusten perusteella valittuihin 10 palkintoehdokkaaseen.
Tutkielmat olivat korkeatasoisia ja sijoittuivat monipuolisesti tietojenkäsittelyn eri osa-alueille sekä usealle eri sovellusalueelle. Toimikunta valitsi palkittavat työt painottaen kandidaatintutkielman arviointikriteerejä, ansiokasta aiheen käsittelyä, sujuvaa kieltä ja viimeisteltyä ulkoasua.
Matemaattis-luonnontieteellisen tiedekunnan varadekaani Sami Moisio jakoi palkinnot.
Palkitut kandidaatintutkielmat:
Eljas Lehtonen: Point Containment in Discrete Quadratic Bézier Curves
Lehtosen tutkielma sijoittuu laskennallisen geometrian alueelle ja tavoitteena on määrittää diskreetissä avaruudessa, sisältyykö annettu piste toisen asteen Bézier-käyrälle. Tutkielmassa esitetään kaksi uutta sisältyvyysalgoritmia rasteroiduille toisen asteen Bézier-käyrille ja kirjoittajan oma kontribuutio ylittää selkeästi kanditutkielman vaatimukset. Tutkielma muodostaa selkeän ja loogisesti etenevän kokonaisuuden ja argumentointia on helppo seurata.
Pia Manns: Rekommendationssystem och public service-mediebolag – utmaningar och lösningsmodeller
Mannsin tutkielmassa tarkastellaan suosittelujärjestelmiä eri maiden mediayritysten viitekehyksessä. Työ esittelee sekä tekniset ratkaisut että niiden aiheuttamia haasteita ja mahdollisuuksia media-alalla. Kieliasultaan tutkielma erinomainen ja selkeä. Tutkielmassa on poikkeuksellisen kattava lähteistö, joka osoittaa syvällistä perehtymistä aihepiiriin.
Ismo Muusavi: Autoregressive Transformer LLMs: Limitations in Generalizations
Muusavin tutkielma käsittelee ajankohtaista ja tärkeää aihetta: laajojen kielimallien rajoituksia ja haasteita niiden yleistämiskyvyssä. Tutkielma muodostaa selkeän kokonaisuuden, jossa olennaisia asioita on painotettu sekä asioiden syy-seuraussuhteet on selostettu kattavasti. Suomenkielinen lyhennelmä esittelee työn erinomaisesti ja selkeästi.
Kristiina Suominen: Syväoppivien algoritmien hyödyntäminen lääketieteellisessä kuvantamisessa: esimerkkinä diabeettisen retinopatian seulonta
Suomisen tutkielmassa kokonaisuus on hahmotettu erinomaisesti ja syväoppivien algoritmien kuvaus linkittyy sujuvasti sovelluskohteeseen lääketieteellisessä kuvantamisessa. Tutkielmassa on käytetty monipuolisesti laadukkaita lähteitä. Kieliasultaan tutkielma täsmällinen, erittäin hyvin viimeistelty ja miellyttävä lukea.