Jimmy Olsson

Inom ämnet matematisk statistik utvecklas matematisk teori för att analysera och modellera slumpmässiga processer och data i tekniska, biologiska och finansiella system. I dag gör datorbaserad teknologi det möjligt att samla in allt större och mer komplexa datamängder. Detta har lett till ett nytt fält, dataanalys, där statistik och datavetenskap möts. Ämnet matematisk statistik intar en viktig roll inom detta fält, då det tillhandahåller de matematiska verktyg som behövs för att beskriva kvaliteten och osäkerheten hos statistiska skattningar och ofta mycket avancerade datoralgoritmer.  

I sin forskning fokuserar Jimmy Olsson på så kallade generativa modeller, där data modelleras som brusiga eller ofullständiga observationer av icke-observerade, latenta variabler, och tillhörande statistiska beräkningsmetoder. Dessutom är de modeller han studerar i regel dynamiska på så sätt att observationerna är tidsberoende och görs i realtid. Dessa modeller är speciellt viktiga inom artificiell intelligens (AI) och maskininlärning, då AI ofta används för att finna dolda mönster och samband i sådana dataströmmar.

Jimmy Olssons forskning bidrar till den grundläggande förståelsen och utvecklingen av, till exempel, dolda Markovkedjor, sekventiella Monte Carlo-metoder och Markovkedjemetoder.