Yngve har bakgrunn som forsker på algoritmer, men har de siste ti årene hovedsakelig jobbet med analyse av sensordata. Eksempler på dette inkluderer separasjon og lokalisering av lydkilder i akustiske data, ML-modeller for klassifisering av last og feiltilstander for pumper, og avviksdeteksjon. Han mener at analyseresultater har høyere verdi hvis man kjenner begrensningene i de brukte metodene, kvaliteten på inndata og verifiserer estimerte verdier mot uavhengige målinger. Den beste løsningen er den enkleste og reneste som er i stand til å løse problemet på en tilfredsstillende måte. De siste to årene har han hatt ansvar for å utvikle et Azure-basert tilstandsovervåkingssystem for roterende maskiner for det maritime segmentet. Dette har gitt Yngve erfaring med å lede driften av skybaserte løsninger, containerbaserte løsninger og kontinuerlig integrering og utgivelse av nye løsninger.

I flere år jobbet han som forsker på algoritmer ved Universitetet i Bergen. Hovedfokuset i forskningsarbeidet var å beskrive teknikker som utnytter strukturer i inndataene for å forbedre kjøretiden.

Ekspertise: Utvikling, arkitektur og analyse.