Statistikutbildningens kärna — vad ska vi lära ut?
Översikt
Årets talare är Linda Hartman (Lund), Olle Häggström (Chalmers/GU), Maria Karlsson (Umeå), Mathias Millberg Lindholm (SU), Nicola Orsini (KI), Martin Raum (Chalmers/GU) och Anna Rehammar (GU).
Studenter, doktorander och postdocs är välkomna att lyssna på seminarierna på plats utan kostnad.
Diskussion: Vid Cramérsällskapets två senaste höstmöten har vi diskuterat den moderna statistikerns roll i dagens datadrivna samhälle och vilka verktyg som krävs för att göra skillnad utanför akademin. En återkommande observation har varit att trots snabba förändringar i metoder och teknik förblir vissa kompetenser centrala: förmågan att hantera osäkerhet, formulera modeller, resonera kritiskt och dra välgrundade slutsatser från data. årets höstmöte tar avstamp i denna observation och riktar blicken mot utbildningen. Tillsammans med forskare, lärare, näringslivsrepresentanter, och tidigare studenter vill vi diskutera vilka principer som bör vägleda framtidens statistikutbildningar.
Program:
Onsdag 21 oktober
13.00–13.10 Välkomstanförande
13.10–13.45 Martin Raum (GU/Chalmers): AI is a Tool: A case for system engineering in mathematics
13.45–14.20 Nicola Orsini (KI): What should we teach when syntax is no longer the hard part? From mechanism to data, and the harder way back
14.20–14.50 Fika
14.50–15.25 Anna Rehammar(GU): Statistik för studenter vid Medicinska fakulteten
15.25–16.00 Linda Hartman (Lund): Data Science or Matstat AK – How can we engage and challenge our students?
16.00–16.35 Maria Karlsson (Umeå): Om studenterna bara läser en statistikkurs
Torsdag 22 oktober
09.00–09.35 Mathias Millberg Lindholm (SU): Vad händer nu?
09.35–10.05 Fika
10.05–10.40 Olle Häggström (GU/Chalmers): Från perkolationsteori till statistikutbildning och AI-risk
10.40–10.50 Kort paus
10.50–11.50 Panelsamtal
11.50–12.00 Avslutning

Malin Palö Forsström
- Biträdande universitetslektor, Analys och sannolikhetsteori, Matematiska vetenskaper

Malin Palö Forsström
- Biträdande universitetslektor, Analys och sannolikhetsteori, Matematiska vetenskaper