Ioanna Miliou Universitetslektor

Kontakt

Namn och titel: Ioanna MiliouUniversitetslektor

Telefon: +468161608

ORCID0000-0002-1357-1967 Länk till annan webbplats.

Arbetsplats: Institutionen för data- och systemvetenskap Länk till annan webbplats.

Besöksadress Nodhuset, Borgarfjordsgatan 12

Postadress Institutionen för data- och systemvetenskap164 25 Kista

Forskargrupp

Data Science Research Group

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.

Om mig

I am Ioanna Miliou, a Senior Lecturer in Data Science. I am a member of the Data Science Research Group at the Department of Computer and Systems Sciences (DSV) of Stockholm University. I hold a Ph.D. in Computer Science from the University of Pisa, Italy, and a diploma in Electrical and Computer Engineering from the National Technical University of Athens, Greece. 

  • Current course at Stockholm University:
    • FODS: Foundations of Data Science (Fall 2024-2025)
  • Past courses at Stockholm University:
    • DATM: Data Mining (Spring 2024-2025)
    • DSHI: Data Science for Health Informatics (Spring 2023-2024)
  • Supervisor at the graduate level in Data Science and Health Informatics

Research overview

My research interests lie in the fields of Data Science for Social Good, Nowcasting, and Forecasting, with the use of Big Data Analytics, Data Mining, and Machine Learning. Using Big Data deriving from everyday life as external proxies, it is possible to nowcast and forecast the evolution of phenomena whose study relies only on historical data or data that come with a significant lag. I work mainly on epidemics, healthcare, peace, and sentiment. 

 

PhD students

Current:

  • Franco Rugolon, Ph.D. student in Data Science (co-supervisor)
  • Lena Mondrejevski, Ph.D. student in Data Science (co-supervisor)

Graduated:

  • Maria Bampa, Ph.D. in Data Science (2024, co-supervisor)

Projects

A3S: AI-based Asthma App using Spirometer: a collaboration with Magnus Jansson Saikat Chatterjee Björn Nordlund

OrganoFeed: a collaboration with Thomas E. Winkler

Let's talk about non-verbal communication: a collaboration with Stephan Hau, Håkan Fischer, Lennart Högman, and Petri Laukka

Socioemotional perception and recognition in single individuals: a collaboration with Håkan Fischer and Petri Laukka


A3S: AI-baserad astma-app som använder spirometer

Målet med A3S-projektet är att skapa en AI-stödd astma-app med en spirometer. Vi använder förklarbar AI för att analysera patientdata och skapa beslutsunderlag. Projektets fokus är transparent, personcentrerad vård som hjälper människor att hantera sin astma och minskar hälsoriskerna.

Patient and Public AI-assisted Interventions

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.

OrganoFeed

Forskningsprojektet OrganoFeed syftar till att göra laboratorieodlade miniorgan – organoider – mer pålitliga för forskning. Vi kombinerar två typer av teknik, AI och mikrofluidik, för att finjustera organoidmiljön i realtid och därmed undvika fel. Projektet har potential att förbättra läkemedelstester och även ersätta djurförsök.

Kontakt

Namn och titel: Ioanna MiliouUniversitetslektor

Telefon: +468161608

ORCID0000-0002-1357-1967 Länk till annan webbplats.

Arbetsplats: Institutionen för data- och systemvetenskap Länk till annan webbplats.

Besöksadress Nodhuset, Borgarfjordsgatan 12

Postadress Institutionen för data- och systemvetenskap164 25 Kista

Forskargrupp

Data Science Research Group

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.