Gruppen fokuserar på grundforskning inom data science såväl som på tillämpningsområden där data science kan ge insikter för beslutsfattande. Vi formulerar nya problem och utvecklar algoritmiska metoder och metodologiska arbetsflöden för att uppnå skalbara lösningar.
Illustration: Sergey Nivens/Mostphotos.
Data Science Research Group fokuserar på att utnyttja de enorma mängder data som kan leda till bättre beslut inom olika tillämpningsområden, exempelvis inom sjukvård och integrerad fordonshälsa. Vi lägger särskild tonvikt på sekventiella och tidsmässiga data, samt text.
Dessutom är gruppen intresserad av att skapa förklarbara metoder och arbetsflöden för maskininlärning. Vi strävar efter att beskriva de ogenomskinliga maskininlärningsmodellerna och ge förklaringar och motiveringar för varje beslut som modellerna föreslår. Vårt huvudsakliga mål är att tillhandahålla skalbara och distribuerade lösningar för att upprätthålla goda avvägningar mellan prediktiv prestanda och förklarbarhet.
Våra metoder och lösningar är motiverade av aktuella tillämpningsområden och fall. Gruppen har särskild expertis inom data mining och modellförståelse från sjukvården och medicinska datakällor. Dessutom har vi etablerat en stark expertis inom prediktivt underhåll och integrerad fordonshantering. Vi är också intresserade av finansiella data, miljödata, och data som kommer från immersiv teknik som VR (virtual reality).
Projektet syftar till att göra AI rättvist, transparent och rättssäkert, så att det gynnar hela samhället. Genom att adressera fördomar inom hälso- och sjukvård samt utbildning arbetar vi för att utveckla AI-system som gagnar samhället på ett jämlikt och ansvarsfullt sätt.
Digitala tvillingar och artificiell intelligens är två nyckelteknologier i den fjärde industriella revolutionen. Det här projektet kopplar samman de bägge fälten i ett samarbete mellan akademi och industri där Stockholms universitet och Atrium Ljungberg medverkar.
Detta EU-projekt går ut på att öka livsmedelssäkerheten för medborgarna. I dag finns en mängd olika datakällor som innehåller livsviktig information om maten vi äter, men problemet är att källorna är så spridda. Vi undersöker hur data kan utvinnas, aggregeras och analyseras med hjälp av AI.
Syftet med EXTREMUM är att tillhandahålla en uppsättning nya metoder och verktyg som genom maskininlärning och artificiell intelligens kan uppnå goda avvägningar mellan prediktiv prestanda och förklarbarhet i vårdapplikationer.
Med bättre beskrivningar av patienters tillstånd och historik kan mer effektiva åtgärder föreslås. Vi undersöker hur AI-verktyg kan användas praktiskt inom sjukvården. Vi fokuserar på komplexa och multimodala data, med fall kopplade till covid-19, sepsis, cancer, samt läkemedelsbiverkningar.
Färre olyckor på vägen, och färre driftstopp. Det är det förväntade resultatet av detta forskningsprojekt som använder data från lastbilar för att utveckla nya maskininlärningsmodeller. Modellerna kommer att berätta för oss när underhåll behövs – innan fordonen går sönder.
Hur kan vi skapa mer hållbara maskininlärningsmodeller? I det här projektet undersöker vi nästa generations distribuerade AI- och maskininlärnings-algoritmer i komplexa nätverk.
När ForskarFredag 2024 gick av stapeln i Stockholm deltog två forskare från DSV: Alejandro Kuratomi Hernández och Beatrice Åkerblom. De berättade om sina forskningsområden – AI respektive programmeringsspråk – för varsin grupp 16–19-åringar. På köpet fick de med sig nyttiga erfarenheter av att prata populärvetenskapligt.
Ringar med inbyggda sensorer och glasögon som registrerar minsta ögonrörelse. När våra prylar kontinuerligt samlar in data om hur vi mår och beter oss kan vi få skräddarsydda tips som hjälper oss i vardagen. Men det finns en risk att den personliga integriteten går förlorad.
Pulshöjning, grimaser och svettning. Våra kroppar skickar signaler om hur vi mår – signaler som kan fångas upp av sensorer och användas för att skräddarsy träning, näringsintag eller lärande. I sin forskning spanar Luis Quintero mot framtidens 3D-upplevelser.
Data är en råvara som finns i överflöd. Men för att kunna använda materialet behöver vi sortera det, så att mönster och trender blir synliga. Zed Lee utvecklar algoritmer som är användbara inom industrin såväl som sjukvården.
Driftstopp är mycket kostsamt inom industrin, och olyckor vill man förstås undvika till varje pris. DSV-forskaren Tony Lindgren tar fram nya modeller för att beräkna komponenters livslängd, till exempel i lastbilar. Projektet har nyligen tilldelats 9,7 miljoner kronor i forskningsmedel från Vinnova.