Over Jonathan Nuttall

Dr. Jonathan Nuttall is gepromoveerd in geotechniek, numerieke modellering, data science, HPC en softwareontwikkeling. Tijdens zijn doctoraat ontwikkelde hij een High-Performance Computing (HPC) raamwerk voor de Random Finite Element Method (RFEM), in zijn proefschrift getiteld “Parallel Implementation and Application of the Random Finite Element Method”.

Bij Deltares leidt hij de Data Science-pijler binnen het Enabling Technologies-initiatief, waar hij onderzoek, begeleiding en onderwijs levert op het gebied van Data Science en Machine Learning. Daarbij introduceert hij nieuwe en disruptieve technieken in de werkstromen en het onderzoek van Deltares. Zijn centrale onderzoek richt zich op het gebied van op fysica gebaseerde technieken voor Machine Learning en de ontwikkeling van machinaal geleerde hulpmiddelen voor besluitvorming door belanghebbenden.

Jonathan is voormalig lid van de Deltares Young Science Council die de Raad van Bestuur adviseerde over innovatie in wetenschap en technologie. Hij heeft ook actieve samenwerkingen met de TUDelft, Rijkswaterstaat en de Universiteit van Leeds op het gebied van machine learning en kunstmatige intelligentie, terwijl hij een actief lid is van de Anura3D MPM-gemeenschap (http://www.anura3d.com/), waar hij werkt aan de ontwikkeling van de Material Point-methode voor geotechnische toepassingen en is hoofdontwikkelaar voor het Geolib+-project, waarbij innovatieve open source-tools worden ontwikkeld voor gebruik met de Geolib-bibliotheek, pre- en postprocessing-tools worden geleverd voor gebruik met Deltares D-Series-producten en andere geotechnische tools.