I'm an interdisciplinary individual who dabbles in research, and whose work sits at the intersection of GeoAI, environmental health, and urban systems. As a first-generation student, my path into research has been nonlinear — shaped not by a single discipline, but by a persistent curiosity about how data, place, and equity interact. Drawing from a background in environmental studies, spatial analytics, and machine learning, I design computational tools that make hidden forms of risk visible: from emerging contaminants in Philadelphia’s water system, to heat exposure in Sài Gòn, Việt Nam, to quality-of-life disparities revealed through 311 data in New York City.

My work integrates field-based sampling, remote sensing, deep learning, spatial statistics, and civic technology. I've built systems that used Mask2Former to conduct Google Street View image segmentation of urban greenery and the built environment in order to inversely optimize for the hottest-route using XGBoost and Dijkstra's algorithm; I've also quantified environmental inequities and injustices through spatial econometric modeling.

Before graduate school, I worked in telecommunications as a network engineer designing and splicing cable routes throughout peripheral cities, in cancer research preparing biohazardous specimens and handling sensitive health data, and often in local community advocacy. All of these experiences and my childhood in stratified neighborhoods shaped my commitment to producing science that's technically rigorous and grounded in my lived experience, and in those journeys also consistently challenge my own preconcieved notions.

Across every project, I want to bring a reflective, systems-oriented approach: using data not just to predict, but to understand, explain, and intervene.

Tui là người làm nhiều ngành, thích nghiên cứu và làm việc giao thoa giữa GeoAI, sức khỏe môi trường và hệ thống thành thị. Là sinh viên đời đầu, con đường làm nghiên cứu của tui không có tuyến tính rõ ràng — nó được định hình không phải bởi một ngành học cụ thể, mà bởi sự tò mò dai dẳng về cách dữ liệu, địa điểm, và sự công bằng tương tác với nhau. Dựa trên kiến thức về nghiên cứu môi trường, phân tích không gian và máy học (machine learning), tui thiết kế các công cụ tính toán để làm rõ các rủi ro còn ẩn: từ các chất ô nhiễm mới trong hệ thống nước Philadelphia, cho đến mức độ phơi nhiễm nhiệt ở Sài Gòn, Việt Nam, hay sự chênh lệch về chất lượng sống lộ ra từ dữ liệu 311 ở New York City.

Công việc của tui kết hợp lấy mẫu tại hiện trường, viễn thám, học sâu (deep learning), thống kê không gian và công nghệ dân sự. Tui đã xây dựng các hệ thống dùng Mask2Former để phân đoạn hình ảnh Google Street View về cây xanh đô thị và môi trường xây dựng nhằm tối ưu hóa nghịch đảo tuyến đường nóng nhất bằng thuật toán XGBoost và Dijkstra; tui cũng đã định lượng sự bất bình đẳng và bất công môi trường qua mô hình kinh tế lượng không gian.

Trước khi học cao học, tui từng làm kỹ sư mạng viễn thông, thiết kế và nối cáp quang qua các thành phố phụ cận, làm nghiên cứu ung thư, chuẩn bị mẫu vật sinh học nguy hiểm và xử lý dữ liệu sức khỏe nhạy cảm, và thường xuyên tham gia vận động cộng đồng địa phương. Tất cả những kinh nghiệm này và tuổi thơ ở những khu phố bị phân tầng đã định hình cam kết của tui trong việc tạo ra khoa học nghiêm ngặt về kỹ thuật và dựa trên kinh nghiệm sống, đồng thời trong quá trình đó cũng luôn thách thức những định kiến của chính mình.

Trong mọi dự án, tui muốn mang đến cách tiếp cận mang tính phản biện và định hướng hệ thống: dùng dữ liệu không chỉ để dự đoán, mà còn để hiểu, giải thích và can thiệp.