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

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.

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.

Fem lärare som fått diplom och blommor tittar glada in i kameran

Studenternas omdömen hyllar skickliga lärare

Varje år delas "Iplom" ut till de kurser som fått högst betyg i studenternas kursutvärderingar. I år har flera kurser särskilt utmärkt sig för sin höga undervisningskvalitet och det stora engagemanget från lärarna.

Forskning vid STIMA

Senaste publikationerna

2024

Jose M Pena (2024) Alternative Measures of Direct and Indirect Effects INTERNATIONAL CONFERENCE ON PROBABILISTIC GRAPHICAL MODELS (Konferensbidrag)
Patrick O'Keefe, Graciela Muniz-Terrera, Stacey Voll, Frank D. Mann, Sean Clouston, Linda Wänström, Joseph L. Rodgers, Scott Hofer (2024) Inter-cohort shifts in chronic disease, dementia, and mortality Biodemography and Social Biology, Vol. 69, s. 203-217 (Artikel i tidskrift) Vidare till DOI
Martin Smelik, Yelin Zhao, Dina Mansour Aly, A. K. M. Firoj Mahmud, Oleg Sysoev, Xinxiu Li, Mikael Benson (2024) Multiomics biomarkers were not superior to clinical variables for pan-cancer screening Communications Medicine, Vol. 4, Artikel 234 (Artikel i tidskrift) Vidare till DOI
Iulian Emil Tampu, Tamara Bianchessi, Ida Blystad, Peter Lundberg, Per Nyman, Anders Eklund, Neda Haj-Hosseini (2024) Pediatric brain tumor classification using deep learning on MR-images with age fusion
Jonas Bjermo (2024) Optimal Test Design for Estimation of Mean Ability Growth Applied psychological measurement (Artikel i tidskrift) Vidare till DOI
Christoforos Spyretos, Iulian Emil Tampu, Nadieh Khalili, Juan Manuel Pardo Ladino, Per Nyman, Ida Blystad, Anders Eklund, Neda Haj-Hosseini (2024) Early fusion of H&E and IHC histology images for pediatric brain tumor classification Proceedings of Machine Learning Research, s. 192-202 (Konferensbidrag)
Yun Zhang, Joseph Lee Rodgers, Patrick O'Keefe, Wei Hou, Stacey Voll, Graciela Muniz-Terrera, Linda Wänström, Frank Mann, Scott M. Hofer, Sean A. P. Clouston (2024) The Flynn Effect and Cognitive Decline Among Americans Aged 65 Years and Older Psychology and Aging, Vol. 39, s. 457-466 (Artikel i tidskrift) Vidare till DOI
Mattias Villani, Matias Quiroz, Robert Kohn, Robert Salomone (2024) Spectral Subsampling MCMC for Stationary Multivariate Time Series with Applications to Vector ARTFIMA Processes ECONOMETRICS AND STATISTICS, Vol. 32, s. 98-121 (Artikel i tidskrift) Vidare till DOI
Chiara Trenti, Deneb Boito, Filip Hammaréus, Anders Eklund, Eva Swahn, Lena Jonasson, Bertil Wegmann, Petter Dyverfeldt (2024) Abnormal Patterns of Wall Shear Stress in Aortic Dilation Revealed by Permutation Tests Journal of Cardiovascular Magnetic Resonance, Vol. 26, Artikel 100612 (Artikel i tidskrift) Vidare till DOI
Sourabh Balgi, Jose M. Peña, Adel Daoud (2024) ρ-GNF: A Copula-based Sensitivity Analysis to Unobserved Confounding Using Normalizing Flows 12th International Conference on Probabilistic Graphical Models, s. 20-37 (Konferensbidrag)

Undervisning - kandidat- och masterprogram

Forskarutbildning

Kontakta oss

Medarbetare vid STIMA

Om institutionen