Som forsker utvikler jeg maskinlæringsmetoder for biogenetikk. Målet med mitt nåværende prosjekt er å identifisere nye behandlingsmål (proteiner) ved nevropsykiatriske lidelser ved hjelp av kausal maskinlæring.

Hovedprosjektet i ph.d.-en min handlet om klynging (clustering) av tidsrekker i konteksten av ensemblesbasert værvarsling. Derfra ble jeg stadig mer interessert i bredere forskningsspørsmål knyttet til klynging, særlig hvordan man tar hensyn til usikkerhet i antall klynger, evaluerer klynging med klyngevaliditetsindekser (cluster validity indices), og undersøker effekten av ulike avstander og gjennomsnittsmetoder ved arbeid med tidsrekker.

Før ph.d.-en min jobbet jeg ved Nansensenteret i Bergen som forskningsassistent. Der utførte jeg forskning på maskinlæring anvendt på oseanografi, med bruk av Self-Organising Maps og Hidden Markov Models for å utlede data under havoverflaten fra observasjoner ved overflaten.

Jeg har blant annet vært undervisningsassistent i maskinlæringsemner (Introduction to Machine Learning INF265 og Deep Learning INF265) og emneansvarlig i innføringskurs i programmering og Python (DIGI111 og DIGI611).

Se en fullstendig oversikt over publikasjoner i NVA.