Prof. Dr. Stephan Günnemann
Professur
Kontakt
Wissenschaftliche Laufbahn und Forschungsgebiete
Prof. Günnemann forscht im Bereich Maschinelles Lernen und Datenanalyse. Ein Schwerpunkt liegt hierbei auf der Erforschung der Zuverlässigkeit von Machine Learning Verfahren, mit dem Ziel deren sichere und robuste Anwendung in einer Vielzahl von Domänen zu ermöglichen. Insbesondere erforscht er hierbei Methoden zur Analyse von komplexen Daten wie Graphen/Netzwerke und temporalen Daten.
Prof. Günnemann promovierte 2012 an der RWTH Aachen im Bereich der Informatik. Von 2012 bis 2015 war er an der Carnegie Mellon University (USA), zunächst als Postdoctoral Fellow und später als Senior Researcher, beschäftigt. Prof. Günnemann war Gastwissenschaftler an der Simon Fraser University (Kanada) sowie Forscher am Research & Technology Center der Siemens AG. Im Jahr 2015 gründete er eine Emmy Noether-Forschungsgruppe an der Fakultät für Informatik der TUM. Seit 2016 ist er Professor an der TUM. Er ist der Executive Director des Munich Data Science Institutes und Direktor der Konrad Zuse School of Excellence in Reliable AI.
Wichtigste Auszeichnungen
- Heinz Maier-Leibnitz-Medaille (2022)
- Google Faculty Research Award in Machine Learning (2020)
- ACM SIGKDD Best Research Paper Award (2018)
- Junior-Fellow der Gesellschaft für Informatik (2017)
- Aufnahme in das Emmy-Noether-Programm der DFG (2015)
Schlüsselpublikationen (alle Publikationen)
S Günnemann. “Graph neural networks: Adversarial robustness”. Graph Neural Networks: Foundations, Frontiers, and Applications, Springer, 2022.
AbstractJ Gasteiger, J Groß, S Günnemann. “Directional message passing for molecular graphs”. International Conference on Learning Representations, 2020.
AbstractJ Gasteiger, A Bojchevski, S Günnemann. “Predict then propagate: Graph neural networks meet personalized pagerank”. International Conference on Learning Representations, 2019.
AbstractZügner D, Akbarnejad A, Günnemann S: "Adversarial Attacks on Neural Networks for Graph Data". ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 2018: 2847-2856.
AbstractBojchevski A, Shchur O, Zügner D, Günnemann S: "NetGAN: Generating Graphs via Random Walks". International Conference on Machine Learning. 2018; 609-618.
AbstractBei Änderungs- oder Aktualisierungswünschen wenden Sie sich bitte an Franz Langer.