Professor i matematisk statistik med fokus på statistisk inlärning och inferens för spatiotemporala data, inklusive grundforskning och tillämpningar inom AI. Studierektor för forskarutbildningen
Jag är ansvarig ledare för forskargruppen "Statistisk inlärning och inferens för spatiotemporala data".
Vi arbetar med att tackla teoretiska problem i Data Science och utveckla statistiska inlärningsmetoder för att lösa vardagliga problem inom olika tillämpningsområden, bland annat atmosfärisk isbildning, epidemiologi, fordonsindustrin, geokemi och hydrologi, idrottsvetenskap, klimatforskning, medicinsk teknik, spatial ekologi, strålningsonkologi och transport.
Den statistiska inlärning och inferens som studeras inkluderar: statistisk inlärning med gleshet, compressive sensing, matematik för data science, hierarkisk spatiotemporal modellering, icke-parametrisk densitets-/intensitetsuppskattning och utjämningsteknik, statistisk inferens för dolda Markov-modeller och stokastiska fält, statistik analys för punktprocesser samt wavelet-teori med tillämpning i signal och bildanalys.
Vad gäller dataanalysverktyg: intelligent datainsamlingsmetoder genom compressive sensing, storskalig miljödatamodell, multimodal bildbehandling, modeller för trädtillväxt och generell modellering av biologiska populationer i rum och tid.
Jag har undervisat i matematisk statistik på samtliga nivåer, från grundutbildning till forskarutbildning. Kurserna har riktat sig till olika målgrupper, det vill säga studenter med utbildning inom matematik, statistik, biologi, teknik och skogsvetenskap. Språken jag använt i undervisningen har varit engelska, svenska och kinesiska.
De senaste åren har jag främst haft doktorandkurser i matematisk statistik och Data Science.