Doktorand i statistik med intresse för kausal inferens, maskininlärning och tillämpningar av dessa på storskaliga registerdata.
Min forskning handlar om att dra tillförlitliga slutsatser från stora observationsdatabaser. Maskininlärning kan uppskatta kausala effekter där, men sällan hur osäkra dessa uppskattningar är, och utan giltiga konfidensintervall kan resultaten inte ge tillförlitliga slutsatser. Jag arbetar med att fylla detta gap på tre sätt: att utveckla konfidensintervall som förblir giltiga när maskininlärning hanterar hundratusentals egenskaper, att utvidga dem till att även ta hänsyn till oobserverade förväxlingsfaktorer, och att göra de resulterande estimatorerna så precisa som möjligt. Målet är metoder som låter samhälls- och hälsoforskare dra giltiga kausala slutsatser från storskaliga registerdata.