Biographie

• Bachelor Mathematik (TUM) mit Fokus auf Statistik, Wahrscheinlichkeitstheorie und Optimierung
• Bachelorthesis über Self-Distillation in Machine Learning
• Master Mathematics in Data Science (TUM) mit Fokus auf Machine Learning, Deep Learning, Mathematische Statistik und Kausalität
• Masterthesis über Cluster-DAGs als Hintergrundwissen für kausale Entdeckung
• Praktika und Werkstudententätigkeit im Bereich Data Science (Amazon), Forschung (TUM) und Finance (Noerr/KPMG)
• JADS PhD Stipendiat an TUM und ICL für COMET (Collaborative Machine Learning for the Energy Transition)

Forschungsinteressen

• Anwendung von Machine Learning Methoden in Energiesystemen
• Collaborative/Federated Machine Learning
• Reinforcement Learning
• Causal inference & causal discovery
• Forecasting
• Energiemärkte
• Datenmärkte

Lehre

• Vorlesung Maschinelles Lernen im Energiemanagement