Arbeids- og kompetanseområde
Jeg er en fagperson innen kunstig intelligens (KI) og datavitenskap, med ekspertise innen maskinlæring, dyp læring og datadrevne løsninger for både industri og akademia. Arbeidet mitt omfatter tidsserieanalyse, grafnevrale nettverk (GNNs), datavisjon, forklarbar KI (XAI) og jordobservasjon, med særlig fokus på å utvikle KI-modeller som skaper reell samfunnsmessig verdi gjennom intelligente og menneskesentrerte løsninger.
Jeg har en doktorgrad i informatikk og teknologi fra Harbin Institute of Technology, der jeg spesialiserte meg i ende-til-ende dyp læring for klassifisering av tidsserier. Forskningen min er publisert i anerkjente vitenskapelige tidsskrifter og bidrar til utviklingen av moderne KI-metoder.
For tiden er jeg førsteamanuensis i informatikk ved Høgskulen på Vestlandet (HVL), der jeg underviser, veileder og leder forskning innen anvendt kunstig intelligens.
Tidligere arbeidet jeg som postdoktor ved HVL, hvor jeg bidro til ESA-prosjektet GridEyeS, som fokuserte på intelligent overvåking av kraftnett ved hjelp av satellittbilder og maskinlæring.
Før dette var jeg seniorforsker ved OsloMet – storbyuniversitetet, hvor jeg deltok i EU-prosjektet REFSA. Der utviklet jeg KI-baserte verktøy for kunnskapsutvinning innen matsikkerhet, designet grafnevrale nettverk for siteringsnettverksanalyse, og automatiserte systematiske litteraturgjennomganger ved hjelp av NLP og grafbaserte metoder.
Utover akademisk forskning har jeg praktisk erfaring med utvikling, implementering og optimalisering av skalerbare KI-løsninger. Jeg har solid teknisk kompetanse innen maskinlæringsutvikling, MLOps og storskala KI-systemer, med bruk av Python, Kubernetes, Docker og skyplattformer.
Min tilnærming til KI-utvikling er forankret i prinsippene for myk ingeniørkunst (soft engineering) og systemtenkning, slik at intelligente systemer ikke bare er teknisk robuste, men også forklarbare, bærekraftige og tilpasset menneskelige og organisatoriske behov.
Jeg bidrar aktivt til KI-forskningsmiljøet som fagfelle for ledende tidsskrifter og konferanser innen maskinlæring, veileder studenter og yngre forskere, og deltar i tverrfaglige forskningsprosjekter.
Jeg brenner for å løse komplekse samfunnsutfordringer med KI, drive innovasjon, og anvende avanserte maskinlærings- og systemtenkningsteknikker på tvers av ulike fagområder.
Publikasjonar
-
SARMoistX: temporal forecasting of vegetation moisture using SAR imagery
-
Forecasting day-ahead electric power prices with functional data analysis
-
T2SR: Super-Resolution in Smart Meter Data Using a Transformer-Based Framework
-
Semantically aware tree height estimator for infrastructure monitoring using multimodal satellite images
-
Transformer-based land use and land cover classification with explainability using satellite imagery
-
Modeling and forecasting carbon dioxide emission in Pakistan using a hybrid combination of regression and time series models
-
HITS-based Propagation Paradigm for Graph Neural Networks
-
Advancements in super-resolution methods for smart meter data
-
HITS-GNN: A Simplified Propagation Scheme for Graph Neural Networks
-
Analytical framework for end-to-end channel capacity in molecular communication system
-
Bidirectional LSTM-RNN-based hybrid deep learning frameworks for univariate time series classification
-
Attention-Based Deep Gated Fully Convolutional End-to-End Architectures for Time Series Classification
-
SBAG: a hybrid deep learning model for large scale traffic speed prediction
-
The evaluation video quality in social clouds
-
Biocyber interface-based privacy for internet of bio-nano things
-
End-to-end multivariate time series classification via hybrid deep learning architectures
