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.

Innovativ idé för effektivare cancerbehandlingar prisas

Lisa Menacher har tilldelats Christer Giléns stipendium 2024 inom området statistik och maskininlärning för sin masteruppsats. Hon har använt maskininlärning i ett försök att göra val av cancerbehandling mer effektivt.

Tomas Landelius och Carolina Natel de Moura.

Fokusperioden resulterade i nya samarbeten for klimatet

Under hösten 2024 samlades återigen forskare från hela världen vid Linköpings universitet under ELLIITs fem veckor långa fokusperiod. Den här gången med målet att hitta och fördjupa samarbeten inom klimatforskning med hjälp av maskininlärning.

Forskning vid STIMA

Senaste publikationerna

2025

Sourabh Balgi, Adel Daoud, Jose M Pena, Geoffrey T. Wodtke, Jesse Zhou (2025) Deep Learning With DAGs Sociological Methods & Research (Artikel i tidskrift) Vidare till DOI
Jonas Agholme, Kim Ahtola, Ebba Toll, Carljohan Carlhäll, Pontus Henriksson, Stergios Kechagias, Peter Lundberg, Patrik Nasr, Oleg Sysoev, Magnus Wijkman, Mattias Ekstedt, Martin Ulander, Fredrik Iredahl (2025) Clinically available predictors of obstructive sleep apnoea requiring treatment in type 2 diabetes patients in primary care Scientific Reports, Vol. 15, Artikel 8710 (Artikel i tidskrift) Vidare till DOI
Dominik Fay, Sebastian Mair, Jens Sjölund (2025) Personalized Privacy Amplification via Importance Sampling Transactions on Machine Learning Research (Artikel i tidskrift)
Alfredo Ordinola, David Abramian, Magnus Herberthson, Anders Eklund, Evren Özarslan (2025) Super-resolution mapping of anisotropic tissue structure with diffusion MRI and deep learning Scientific Reports, Vol. 15, Artikel 6580 (Artikel i tidskrift) Vidare till DOI
A. K. M. Firoj Mahmud, Dina Gamaleldin Mansour Aly, Yelin Zhao, Mikael Benson, Martin Smelik, Oleg Sysoev, Hui Wang, Xinxiu Li (2025) Proteogenomic analysis reveals Arp 2/3 complex as a common molecular mechanism in high risk pancreatic cysts and pancreatic cancer Scientific Reports, Vol. 15, Artikel 3902 (Artikel i tidskrift) Vidare till DOI
Ajinkya Gorad, Zheng Zhao, Jose M. Vallet Garcia, Ville Lehtola, Toni Hammarberg, Henrik Ramm-Schmidt, Saiful Islam, Sarang Thombre, Simo Sarkka (2025) Bearing estimation using foghorn sounds Applied Acoustics, Vol. 231, Artikel 110560 (Artikel i tidskrift) Vidare till DOI
Joseph Lee Rodgers, Linda Wänström, Siew Ang (2025) Putting the Flynn effect under the microscope: Item-level patterns in NLSYC PIAT-math scores, 1986-2004 Intelligence, Vol. 109, Artikel 101897 (Artikel i tidskrift) Vidare till DOI
Krzysztof Bartoszek, Wojciech Bartoszek (2025) Asymptotic Dynamics of Generalized Kantorovich Operators RESULTS IN MATHEMATICS, Vol. 80, Artikel 39 (Artikel i tidskrift) Vidare till DOI
Muhammad Usman Akbar, Wuhao Wang, Anders Eklund (2025) Beware of diffusion models for synthesizing medical images - A comparison with GANs in terms of memorizing brain MRI and chest x-ray images Machine Learning: Science and Technology (Artikel i tidskrift) Vidare till DOI
Iulian Emil Tampu, Tamara Bianchessi, Ida Blystad, Peter Lundberg, Per Nyman, Anders Eklund, Neda Haj-Hosseini (2025) Pediatric brain tumor classification using deep learning on MR-images with age fusion Neuro-Oncology Advances, Vol. 7, Artikel vdae205 (Artikel i tidskrift) Vidare till DOI

Undervisning - kandidat- och masterprogram

Forskarutbildning

Kontakta oss

Medarbetare vid STIMA

Om institutionen