Jag är biträdande universitetslektor i matematik. Min forskning berör olika typer av maskininlärning, alltså hur vi med hjälp av matematik kan hjälpa datorer att se mönster i stora mängder data. Jag är särskilt intresserad av compressed sensing, vilket kan sammanfattas som metoder för att med hjälp av strukturantaganden möjliggöra rekonstruktion av signaler från ofullständig data, samt ekvivarians i djupa neurala nätverk, vilket innebär att jag tittar på hur symmetrier i datan kan utnyttjas, och vilka effekter dessa metoder har. Jag disputerade vid Technische Universität Berlin år 2018, och har sedan dess arbetat i Toulouse och i Göteborg innan jag kom till Umeå.