2007 óta foglalkozik elméleti és alkalmazott gépi tanulással. Doktori fokozatát 2014 januárjában szerezte meg summa cum laude minősítéssel. 2014 óta a big data világában egyre hangsúlyosabbá váló deep learning (mélytanulás) az elsődleges kutatási területe. Többek között keresi a rekurrens neurális hálózatok, hagyományos és nyújtott (dilated) konvolúciós hálók, residual, highway és dense mély architektúrák hatékony tanításának a lehetőségeit, továbbá az a priori tudás mély tanuló rendszerekben való reprezentációját és az önfelügyelt, illetve a mély megerősítéses tanulás lehetőségeit vizsgálja. Az elméleti deep learning mellett hangsúlyt fektet az olyan gyakorlati alkalmazásokra, mint a sokdimenziós idősormodellezés és predikció, továbbá kép- és audióklasszifikáció és klaszterezés, illetve a természetes nyelvfeldolgozás. Számos sikeres kutatási és ipari projektben vett részt. 2017-ben felkérés alapján elnyerte a NVidia Deep Learning Institute (DLI) Certified Instructor és University Ambassador címet.