CV

Työ:

• 2023–: Lukion äidinkielen ja kirjallisuuden opettaja, Espoon kaupunki.
• 2020–2022: Data Science Consultant, Fourkind Oy / Thoughtworks Finland Oy.
• 2018–2019: Tutkijatohtori, Helsingin yliopisto.
• 2016–2018: Senior Data Scientist, Swap.com.

Koulutus:

• Filosofian tohtori (tietojenkäsittelytiede), Helsingin yliopisto, 2016.
• Filosofian maisteri (kirjallisuudentutkimus), Helsingin yliopisto, 2024.
• Filosofian maisteri (soveltava matematiikka), Helsingin yliopisto, 2012.
• Humanististen tieteiden kandidaatti (kotimainen kirjallisuus), Helsingin yliopisto, 2023.
• Luonnontieteiden kandidaatti (matematiikka), Helsingin yliopisto, 2011.

Yhteystiedot

• Sähköposti: jmaatta@iki.fi
• LinkedIn: https://www.linkedin.com/in/jmaatta/

Sekalaista

• Lauri Hauru ja Jussi Määttä: Oppitunneillakaan opiskelijat eivät pysty vastustamaan tekoälyn seireenin kutsua. Mielipidekirjoitus. Helsingin Sanomat, 5.3.2026 (digi), 6.3.2026 (printti). Paperilehdessä otsikolla ”Hallitsematon tekoälyn käyttö ei kuulu lukioon”.
• Aikahyppy vuoteen 2017: ”data wizard of e-commerce” kertoo työstään ja onnittelee Helsingin yliopiston 50-vuotiasta tietojenkäsittelytieteen laitosta (Youtube-video).

Laskennallinen kirjallisuudentutkimus

• 2025: Professori Riikka Rossin artikkelin Äännesymboliikkaa Otto Mannisen runoudessa (Joutsen / Svanen 2025) laskennalliset tulokset ovat käsialaani.
• 2024: Kirjallisuudentutkimuksen maisterintutkielmassani Bayesiläinen ennustava lukija ja Aleksis Kiven Seitsemän veljestä. Laskennallinen näkökulma kaunokirjallisen teoksen analysoimiseen (2024) analysoin ensimmäistä suomenkielistä romaania laskennallisin menetelmin.
• 2023: Esitelmöin Kirjallisuudentutkimuksen päivillä 2023 aiheesta Lukukokemuksen laskennallinen mallintaminen ja Aleksis Kiven Seitsemän veljestä. Tiivistelmä on luettavissa tapahtuman abstraktikirjasta.

Tietojenkäsittelytieteen alan julkaisut

Vertaisarvioidut artikkelit tieteellisissä lehdissä

Määttä, J., Bazaliy, V., Kimari, J., Djurabekova, F., Nordlund, K., & Roos, T. (2021). Gradient-based training and pruning of radial basis function networks with an application in materials physics. Neural Networks, 133, 123–131. DOI: 10.1016/j.neunet.2020.10.002

Määttä, J., Schmidt, D. F., & Roos, T. (2016). Subset selection in linear regression using sequentially normalized least squares: Asymptotic theory. Scandinavian Journal of Statistics, 43(2), 382–395. DOI: 10.1111/sjos.12181

Määttä, J., & Roos, T. (2016). Maximum parsimony and the skewness test: A simulation study of the limits of applicability. PloS ONE, 11(4), e0152656. DOI: 10.1371/journal.pone.0152656

Vertaisarvioidut artikkelit konferenssijulkaisuissa

Määttä, J., & Roos, T. (2016). Robust Sequential Prediction in Linear Regression with Student's t-distribution. International Symposium on Artificial Intelligence and Mathematics (ISAIM 2016), Fort Lauderdale, FL, USA. https://isaim2016.cs.ou.edu/papers/ISAIM2016_Maatta_Roos.pdf

Määttä, J., Siltanen, S., & Roos, T. (2014). A fixed-point image denoising algorithm with automatic window selection. 5th European Workshop on Visual Information Processing (EUVIP 2014), Pariisi, Ranska. DOI: 10.1109/EUVIP.2014.7018393

Austrin, P., Kaski, P., Koivisto, M., & Määttä, J. (2013). Space–time tradeoffs for subset sum: An improved worst case algorithm. Automata, Languages, and Programming: 40th International Colloquium (ICALP 2013), Riika, Latvia. DOI: 10.1007/978-3-642-39206-1_5

Opinnäytteet

Määttä, J. (2016). Model Selection Methods for Linear Regression and Phylogenetic Reconstruction. Väitöskirja, Helsingin yliopisto. Pysyväisosoite: http://urn.fi/URN:ISBN:978-951-51-2150-9