Statistik och maskininlärning (STIMA)

Statistik och maskininlärning är en avdelning vid Institutionen för datavetenskap. Avdelningens verksamhet är inriktad på forskning och undervisning inom modern dataanalys.

Forskning

Vi ser oss gärna som Sveriges modernaste statistikavdelning med fokus på forskning inom modern dataanalys, prediktion och beslutsfattande under osäkerhet.

Vi utför metodforskning inom statistik och maskininlärning, motiverade av problem inom tillämpningsområden som spänner från journalism och psykologi till genetik och robotik.

Undervisning

Avdelningen är värd för det riksunika kandidatprogrammet statistik och dataanalys och det internationella masterprogrammet Statistics and Machine Learning.

Vi ansvarar för kurserna i maskininlärning vid Linköpings universitets civilingenjörsprogram.

Vi driver även forskarutbildningen i statistik vid Linköpings universitet.


Seminarier vid STIMA

Aktuellt vid STIMA

Nyheter och reportage

Moln

Förbättrade väderprognoser med AI

De senaste åren har vi sett stora framsteg inom artificiell intelligens och maskininlärning för väderprognoser. De senaste maskininlärningsmodellerna tar fram väderprognoser som är likvärdiga eller till och med bättre än de traditionella systemen.

Maskininlärning

Statistikprogrammet vid LiU firar 40 år av samhällsnytta

Från slumptabeller till visualisering av data. Statistikprogrammet vid LiU fyller 40 år. Utbildningen har format generationer av analytiker som idag arbetar med allt från samhällsplanering till AI-utveckling, och behovet av statistisk kompetens ökar.

Exteriör Campus US.

LiU får 220 miljoner från Vetenskapsrådet

Vetenskapsrådet har beslutat om fördelningen av bidrag i fyra stora utlysningar. Linköpings universitet får totalt 220 miljoner kronor fördelat på 47 forskare.

Forskning vid STIMA

Senaste publikationerna

2026

Anders Eklund (2026) Increasing statistical power in functional MRI through permutation and multivariate statistics Cognitive Neuroscience, s. 1-2 (Artikel i tidskrift) https://dx.doi.org/10.1080/17588928.2026.2682170
Oskar Halling Ullberg, Annika Tillander, Katarina Balter (2026) A Sustainable Lifestyle Intervention Among Office Workers: Cluster Randomized Pilot and Feasibility Study JMIR Formative Research, Vol. 10, Artikel e82061 (Artikel i tidskrift) https://dx.doi.org/10.2196/82061
Kristin Zeiler, Sofia Morberg Jämterud, F. León, Agnes Andersson, Ulrika Birberg Thornberg, Ida Blystad, Anestis Divanoglou, Anders Eklund, David Engblom, Richard Levi (2026) Affective dimensions of fatigue in post COVID-19 condition: An interdisciplinary investigation across phenomenology and biomedicine Phenomenology and the Cognitive Sciences (Artikel i tidskrift) https://dx.doi.org/10.1007/s11097-026-10151-5
Elin Good, Oscar Soto, Linda Bilos, Håkan Ahlström, Tamara Bianchessi, Jan Engvall, Isabel Gonçalves, My Troung, Ola Hjelmgren, David Marlevi, Bertil Wegmann, Petter Dyverfeldt (2026) Carotid Plaque Characteristics and Their Association with Cardiovascular Risk Factors and Coronary Atherosclerosis in a Middle-Aged Population Journal of Cardiovascular Magnetic Resonance, Vol. 28, Artikel 102686 (Artikel i tidskrift) https://dx.doi.org/10.1016/j.jocmr.2026.102686
Bayu Brahmantio, Krzysztof Bartoszek, Etka Yapar (2026) Bayesian inference of mixed Gaussian phylogenetic models BMC Bioinformatics, Vol. 27, Artikel 77 (Artikel i tidskrift) https://dx.doi.org/10.1186/s12859-026-06399-y
Lisa Maria Menacher, Liam Ward, Fredrik Heintz, Henrik Green, Oleg Sysoev (2026) LCMS-Net: Deep Learning for Raw High Resolution Mass Spectrometry Data Applied to Forensic Cause-of-Death Screening Analytical Chemistry, Vol. 98, s. 6589-6597 (Artikel i tidskrift) https://dx.doi.org/10.1021/acs.analchem.5c05404
Zheng Zhao (2026) Generative diffusion posterior sampling for informative likelihoods COMMUNICATIONS IN INFORMATION AND SYSTEMS, Vol. 26, s. 151-167 (Artikel i tidskrift) https://dx.doi.org/10.4310/cis.260128110636
Vignesh Gopakumar, Ander Gray, Joel Oskarsson, Lorenzo Zanisi, Daniel Giles, Matt J. Kusner, Stanislas Pamela, Marc Peter Deisenroth (2026) Uncertainty quantification of surrogate models using conformal prediction Machine Learning: Science and Technology, Vol. 7, Artikel 015025 (Artikel i tidskrift) https://dx.doi.org/10.1088/2632-2153/ae2e7b
Jonas Bjermo, Ellinor Fackle Fornius, Frank Miller (2026) Optimal Item Calibration in the Context of the Swedish Scholastic Aptitude Test Applied psychological measurement (Artikel i tidskrift) https://dx.doi.org/10.1177/01466216261420758
Tatjana Pavlenko, Annika Tillander, Fredrik Boulund, Gabriella Edfeldt (2026) Selection of signal-bearing subcompositions with application to human microbiome studies EURASIP Journal on Advances in Signal Processing, Vol. 2026, Artikel 11 (Artikel i tidskrift) https://dx.doi.org/10.1186/s13634-025-01288-7

Undervisning - kandidat- och masterprogram

Forskarutbildning

Kontakta oss

Medarbetare vid STIMA

Om institutionen