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.


Forskning vid STIMA

Senaste publikationerna

2026

Ahcène Boubekki, Samuel G. Fadel, Sebastian Mair (2026) Multi-depth Concept Extraction for Post-Hoc Vision Encoder Explanation Machine Learning and Knowledge Discovery in Databases. Research Track.: ECML PKDD 2026, s. 449-467 (Konferensbidrag) https://dx.doi.org/10.1007/978-3-032-37664-0_26
Sophia N. Wilson, Andrew Millard, Guðrún Fjóla Guðmundsdóttir, Raghavendra Selvan, Sebastian Mair (2026) Position: Stop Preaching and Start Practising Data Frugality for Responsible Development of AI Proceedings of the 43rd International Conference on Machine Learning, s. 172585-172604 (Konferensbidrag)
Hugo Morvan, Jonas Agholme, Bjorn Eliasson, Katarina Olofsson, Ludger Grote, Fredrik Iredahl, Oleg Sysoev (2026) Scalable multiple imputation for national-scale healthcare registries and EHR International Journal of Medical Informatics, Vol. 222, Artikel 106717 (Artikel i tidskrift) https://dx.doi.org/10.1016/j.ijmedinf.2026.106717
Johan Alenlöv (2026) Stacked Feynman-Kac: A Generalised Method for Within-Timestep Sampling of Intermediate Distributions for Diffusion Models Transactions on Machine Learning Research (Artikel i tidskrift)
Carl Soderberg, Oleg Sysoev, Rasmus Magnusson, Fredrik Kugelberg, Henrik Green (2026) Anomaly detection as a tool for identifying cases of interest in postmortem toxicology Scientific Reports, Vol. 16, Artikel 25686 (Artikel i tidskrift) https://dx.doi.org/10.1038/s41598-026-65664-5
Monika Mioduchowska, Pushpalata Kayastha, Magdalena M. Bartylak, Edyta Konecka, Bayu Beta Brahmantio, Julita Mackiewicz, Wojciech Przybyszewski, Aleksandra M. Naczk, Marcin Gorniak, Jason Pienaar, Edyta Fialkowska, Lukasz Kaczmarek (2026) "Let's Dry up and Survive Together": Is Anhydrobiosis in Two Paramacrobiotus Species (Tardigrada) Associated with a Specific Microbiome Community? International Journal of Molecular Sciences, Vol. 27, Artikel 5256 (Artikel i tidskrift) https://dx.doi.org/10.3390/ijms27125256
Marc Braun, Jose M. Peña, Adel Daoud (2026) Flow IV: Counterfactual Inference In Nonseparable Outcome Models Using Instrumental Variables Proceedings of the Fifth Conference on Causal Learning and Reasoning, s. 861-886 (Konferensbidrag)
Martin Andrae, Erik Wikingsson, So Takao, Tomas Landelius, Fredrik Lindsten (2026) DAISI: Data Assimilation with Inverse Sampling using Stochastic Interpolants (Konferensbidrag)
Henrik Lindqvist, Robert Thornberg, Linda Wänström, Maria Weurlander, Annika Wernerson (2026) The association between teacher efficacy and teacher burnout expectancy among Swedish student teachers European Journal of Teacher Education (Artikel i tidskrift) https://dx.doi.org/10.1080/02619768.2026.2711228
Sophia N. Wilson, Sebastian Mair, Mophat Okinyi, Erik B. Dam, Janin Koch, Raghavendra Selvan (2026) How Hyper-Datafication Impacts the Sustainability Costs in Frontier AI Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency, s. 441-466 (Konferensbidrag) https://dx.doi.org/10.1145/3805689.3812393

Kandidat och masterprogram

Forskarutbildning

Seminarieserier vid STIMA

Kontakta oss

Medarbetare 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.

Paneldiskussion om AI och hållbarhet.

Forskare efterlyser ansvar och hållbarhet i AI-utvecklingen

AI-utvecklingen måste åtföljas av ansvar, bättre politisk styrning och hållbarhet. Det är budskapet från forskare vid Linköpings universitet, som samlats för att diskutera värderingar, AI-politik, säkerhet och miljö.

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.

Om institutionen