Jag är en erfaren konsult och föreläsare inom statistik och artificiell intelligens, specialiserad på att lösa komplexa problem som kräver avancerad dataanalys, matematisk modellering eller smarta algoritmer. Ofta tar jag mig an och löser svåra problem där andra försökt men gått bet. Min erfarenhet sträcker sig över problem från en rad olika områden: från antibiotikaresistens till kärnbränsle, från mjölkningsrobotar till personalfrågor, från diskbråck till musikvideor.
Har ni stora komplexa datamaterial eller små enkla mätserier? Behöver ni hjälp med analys och visualisering av data? Automatisering, prognoser eller beslutsstöd? Biostatistik, machine learning eller data mining? En väl genomförd statistisk analys ger er bättre förståelse och leder till bättre beslut.
Jag är doktor i matematisk statistik, docent i statistik och har jobbat som konsult sedan 2010. Kontakta mig så pratar vi om hur jag kan hjälpa er att få ut mer av era data.
Det händer många spännande saker inom AI-utvecklingen. Mycket av nyhetsrapporteringen kretsar kring framstegen som de amerikanska jättebolagen gör med modeller som OpenAI:s ChatGPT och Googles Gemini. Det är stora språkmodeller som kan svara på frågor, redigera text, skriva kod och skapa bilder. Ofta funkar det bra, men ibland blir det pannkaka av alltihop.
Stora språkmodeller i all ära. Även om de är intressanta så är det inte där det stora värdet i AI ligger just nu. För de allra flesta företag och organisationer är det istället enklare och mer specialiserade modeller som gör verklig nytta. Modeller som automatiserar långtråkigt rutinarbete och ofta gör jobbet bättre än människor. Bland exempel jag själv har jobbat med finns t.ex. AI-system som upptäcker sjukdomar hos mjölkkor innan människor kan se dem, modeller som hjälper bibliotekarierna på Karolinska institutets bibliotek att klassificera forskningsartiklar utan manuellt arbete och system som automatiskt granskar ritningar åt tillverkningsindustrin.
Det här var huvudbudskapet när jag för några veckor sedan besökte Uppsala universitet som en av fem föredragshållare på matematiska institutionens alumnevent om AI. En riktigt trevlig dag, med intressanta föredrag och givande diskussioner. Ser fram emot mer sådant under det kommande året!
Paneldiskussion vid AI-eventet. Foto: Marie Chajara Svensson
Den andra utgåvan av min bok Modern Statistics with R har nu släppts. Den handlar om allt från grundläggande statistiska koncept till R-programmering, avancerade regressionsmodeller och machine learning. Boken går att läsa gratis på nätet eller köpa i fysisk form i bokhandlar (utgiven internationellt av CRC Press).
Förutom att Modern Statistics with R används som kurslitteratur på universitet världen över så ligger den också till grund för de R-kurser jag ger i samarbete med Statistikakademin. Intresserad av att lära dig mer om R, statistik, machine learning eller AI? Ta en titt på höstens och vårens kursdatum eller kontakta mig för att boka en kurs på plats hos er.
Utvecklingen inom AI går svindlande fort och allt fler organisationer försöker förstå hur de kan använda AI i sin verksamhet. Som någon som jobbat inom området i många år stöter jag en hel del missförstånd kring vad dagens AI egentligen kan göra och kring vad som ligger runt hörnet. Å ena sidan underskattar många hur långt AI har kommit och hur användbart det kan vara – många framsteg sker utan att vi märker dem. Å andra sidan överskattar många AI och missar att det som rapporteras i media bygger på pressmeddelanden från företag som gärna överdriver hur bra deras system egentligen är.
Av den här anledningen ger jag sedan 2019 en kurs om AI och machine learning riktad mot beslutsfattare, chefer, projektledare och forskare som planerar att vara inblandade i AI-projekt eller helt enkelt vill få en bättre förståelse för ämnet. Det enda förkunskapskravet är grundläggande datorvana. På kursen testar vi att bygga några AI-modeller samtidigt som vi diskuterar frågor som:
Hur fungerar AI och machine learning?
Hur vet man att ett AI-system fungerar som det ska?
Vad kan man egentligen göra med den här tekniken idag?
Vad krävs för att ett AI-projekt ska bli framgångsrikt?
Hur kommer utvecklingen att se ut de närmaste åren?
Jag ger dels på begäran kursen på plats hos företag och myndigheter, och dels online vid schemalagda tillfällen (härnäst den 26 oktober och den 18 april – boka din plats här).
Vi är inte direkt bortskämda med populärvetenskapliga böcker, tv-program och poddar om statistik. Nu gör Sveriges radio en insats på området med programmet Vilse i statistiken, där professor Tom Britton (känd för sina tålmodiga förklaringar av covidstatistik under pandemin) agerar expert. Avsnitten är runt tio minuter långa och går att höra på radion, på sverigesradio.se och där poddar finns.
Ett annat fint exempel på svenskledd populärstatistik är (den nu mer än tio år gamla) dokumentären The Joy of Stats med Hans Rosling, som finns på Gapminders webbplats.
En favorit på området är annars den norska dokumentärserien Siffer, som handlar om statistik, sannolikhetslära och matematik. Några av avsnitten finns på seriens Youtubesida.
Coronapandemin har format de senaste två åren på alla möjliga sätt. En sak som jag som statistiker inte kunnat undgå att lägga märke till är hur statistik, i form av statistik kring pandemin, plötsligt blivit förstasidesnyheter. Media och folk i allmänhet diskuterar siffror på ett sätt vi nog aldrig har sett förut:
Är den senaste veckans ökade smittspridning tecken på en ny våg? Kommer spridningen istället att plana ut eller till och med gå ned igen?
Hur ser utvecklingen ut de senaste månaderna? Vad är tillfälligt brus i data och vad är en trend?
Kan man jämföra siffrorna för antalet smittade i olika länder, om rutinerna för testning ser olika ut? Testar man mindre så hittar man ju färre fall.
Hur ska man jämföra siffrorna för andelen vaccinerade i olika länder? Ska man titta på andelen vaccinerade i olika åldersgrupper? I hela befolkningen?
Det här är den sortens frågor som vi statistiker jobbar med och tänker på varje dag. Att de uppmärksammas i den allmänna debatten är jättebra. Tillgång till bra och rättvisande data är i många fall A och O för att kunna fatta rätt beslut – men det räcker inte med att bara ha bra data, vi måste dessutom ställa rätt frågor och titta på data på rätt sätt. Där är statistikens verktygslåda och sätt att tänka ovärderlig.
Mindre lyckad statistik.
För att göra all data kring pandemin begriplig försöker vi visualisera den i olika grafer. Vi möts varje dag av olika kurvor och figurer som visar antal, andelar och utveckling över tid – och inte bara i nyheterna.
SVT:s covidsidor är ett exempel på dagligen uppdaterade visualiseringar av pandemins förlopp. Den utjämnade kurvan visar trenden över tid.
Datavisualisering med en så kallad heatmap vid min lokala Ica-butik: färgerna visar hur många besökare det är i butiken vid olika tider.
Intresset för datavisualisering har nyligen lett Washington Post till att starta ett nyhetsbrev om grafer som syns i nyhetsflödet. Brittiska Royal Statistical Society har i sin tur publicerat en rad intervjuer där de försöker lyfta fram statistiken och statistikers viktiga roll under pandemin.
Det finns nog mycket vi kommer att ta med oss från pandemiåren. Nya vanor, erfarenheter av distansarbete, insikter om hur samhället ska byggas för att kunna hantera oväntade händelser. Jag hoppas att en av de saker vi tar med oss är användandet av statistik och datavisualisering och vanan att ställa frågor kring vad det egentligen är olika siffror visar.
Behöver ni hjälp med att tolka era data? Jag erbjuder konsulttjänster inom dataanalys. Kontakta mig för att få veta mer.
Vill du lära dig mer om statistik och datavisualisering? Ta en titt på mina kurser i statistik med R.
