HUN-REN Természettudományi Kutatóközpont tudományos főmunkatársa

Debreceni Egyetem vegyész MSc képzésének elvégzése után a Szent István Egyetemen szerzett élelmiszertudományi PhD fokozatot summa cum laude minősítéssel. Több, mint tíz éve fejleszt és alkalmaz gépi tanulásos, mesterségesintelligencia-alapú modelleket a gyógyszer-, anyag- és élelmiszertudományban. 2024-től a HUN-REN Természettudományi Kutatóközpont MI-nagykövete: ismeretterjesztő és oktató előadásokat tart, és napi szinten segíti kollégáit a kutatási projektekben.  

Több mint 50 tudományos közlemény és három, jelentős referenciaművekben megjelent könyvfejezet társszerzője. Publikációi közül kiemelhető a Nature Reviews Drug Discovery-ben 2025-ben megjelent összefoglaló tanulmánya. Eredményei elismeréseként 2019-ben Akadémiai Ifjúsági Díjjal, 2020-ban Junior Prima Díjjal, 2022-ben pedig a „L’Oréal-UNESCO magyar ösztöndíj a nőkért és a tudományért” díjjal tüntették ki. 2023-ban elnyerte az MTA Bolyai János Kutatói Ösztöndíját (2023–2026), amelynek témája a mesterséges intelligenciához köthető: Kémiai adatmátrixok elemzése és modellezése gépi tanulásos algoritmusokkal.  

Kutatásának fő területei: gépi tanulásos, kvantitatív szerkezet-hatás/tulajdonság (QSAR/QSPR) modellek és szintézistervezés a gyógyszerkutatásban; hasonlóság-metrikák és molekuláris ujjlenyomatok a kemoinformatikában; valamint a gépi tanulásos algoritmusok és az infravörös spektrumok kombinációja az anyagtudományon belül. Kutatómunkája mellett rendszeresen bírál cikkeket nemzetközi folyóiratoknak, nemzetközi konferenciákat szervez, hallgatókat mentorál, és vendégelőadóként a nagy nyelvi modellek és a gépi tanulás természettudományi alkalmazásairól tanít. 

A Pannon Egyetem Rendszer- és Számítástudományi Tanszékének tanszékvezető habilitált egyetemi docense; a Pannon Egyetem Mesterséges intelligencia oktatásért és fejlesztésért felelős rektori biztosa; a Pannon Egyetemen működő Adatintenzív Mesterséges Intelligencia Módszerek és Rendszerek Kutatólaboratórium alapítója és vezetője

Több mint húsz éve foglalkozik a mesterséges intelligencia oktatásával és kutatásával. Ezen időszak alatt számos mesterséges intelligencia témájú tantárgy tematikáját dolgozta ki. Jelentős szerepet vállalt az Adattudomány mesterszak tantervének kialakításában, mely újonnan induló szaknak 2023-2025 között szakfelelősi feladatait is ellátta. Kutatásai elsősorban új, adatalapú gépi tanuló módszerek és algoritmusok fejlesztésére és gyakorlati alkalmazására irányulnak. Kutatásai közül kiemelendőek a felügyelt gépi tanulási módszerek egészségügyi alkalmazásával és adaptív fejlesztésével kapcsolatos eredményei. Tudományos eredményeit eddig több mint 130 tudományos közleményben, köztük két angol nyelvű monográfiában publikálta.  

Témavezetőként mesterséges intelligencia területéhez kapcsolódó doktori kutatásokat irányít. Hallgatóival közösen több mint 20 tudományos diákköri és OTDK helyezést ért el, továbbá 3 nemzetközi konferencián nyert el Best Paper díjat.

Szakmai vezetőként és témavezetőként számos ipari, gazdasági és egészségügyi környezetben működő mesterséges intelligencia alapú rendszer fejlesztését célzó kutatás-fejlesztési projekt megvalósításában működött és működik közre.

Jelenleg munkája középpontjában a mesterséges intelligencia oktatásának és oktatásban betöltött szerepének fejlesztése, valamint felsőoktatási integrációjának elősegítése áll.

Semmelweis Egyetem Városmajori Szív- és Érgyógyászati Klinikájának egyetemi docense, kardiológus szakorvos

Kutatásai elsősorban a mesterséges intelligencia (MI) és a telemedicina szívelégtelenségben való alkalmazására irányul. Vezető társ-kutatója a REMOTE-HEART vizsgálatnak, amely közel 1000 eszközös szívelégtelen beteg MI-alapú távmonitorozását végzi – melynek célja a szívelégtelenség progressziójának korai felismerése, ezáltal a mortalitás csökkentése. A klinikai vizsgálat világszinten elsőként integrálja a pacemakerből származó napi adatok és az EKG MI-alapú elemzését, új alapokra helyezve a személyreszabott utánkövetést. Korábban munkacsoportjával létrehozta az első, nagy-volumenű Kardiális Reszikronizációs Terápia-adatbázist, amelyből kifejlesztették a Semmelweis Score prediktív modellt az eszközös szívelégtelen betegek hosszú távú kimenetelének becslésére, majd topológiai adatelemzés módszerével új fenotípusokat azonosított kutatócsoportjával.  

Tagja a Mesterséges Intelligencia Nemzeti Laboratóriumnak, emellett több nemzetközi MI-alapú klinikai vizsgálat társ-kutatója. Több mint 180 publikáció szerzője, Hirsch-indexe 23.  

Pályafutásának középpontjában az innováció és a betegellátás fejlesztése áll, különös hangsúlyt fektetve az MI-alapú személyreszabott diagnosztikai, terápiás, és predikciós lehetőségekre. 

K&H Banknál dolgozik, a Kate projekten belül a természetes nyelvi megértésért felelős csapatot vezeti 

Húsz éve foglalkozik nyelvtechnológiával, vagyis a mesterségesintelligencia-kutatásnak azzal a területével, aminek fókuszában a nyelvfeldolgozás és nyelvmegértés áll. Több mint tíz éven keresztül kutatóként dolgozott: 75 tudományos publikációja van, több mint 700-szor idézték műveit, a Hirsch-indexe 15.  

Jelenleg a K&H Banknál dolgozik, a Kate projekten belül a természetes nyelvi megértésért felelős csapatot vezeti. Az a feladatuk, hogy Kate, a bank digitális pénzügyi asszisztense megértse, amit írnak neki, és releváns válaszokat adva végig vezesse az ügyfelet a beszélgetésen.  

Kilenc éve egyik szervezője a Magyar Számítógépes Nyelvészeti Konferenciának, a magyar nyelv- és beszédtechnológusok meghatározó éves eseményének. Rendszeres előadója hazai és nemzetközi eseményeknek, emellett sokszor vállal egyetemi oktatást, és vesz részt Bachelor, Master és PhD képzésekben bírálóként és vizsgáztatóként is. Számos korábbi tanítványa azóta már megszerezte PhD fokozatát.  

Mindig fontosnak tartotta a tudományos ismeretterjesztő tevékenységet, kutatóként pedig a tudományos adatokhoz való szabad hozzáférést. Nőtársait kiemelten támogatja karrierjükben. Házas, egy 4 éves kislány édesanyja.