TUM – Technische Universität München Menü

Prof. Dr. Stephan Günnemann

Fakultät

Informatik

Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Günnemann forscht im Bereich Data Mining und Machine Learning. Er beschäftigt sich mit dem Design und der Analyse von robusten und skalierbaren Machine-Learning-Verfahren, welche es ermöglichen, die großen Datenmengen im Bereich der Wissenschaft und Industrie zuverlässig zu analysieren und nutzbar zu machen. Insbesondere erforscht er Methoden zur Analyse von komplexen Daten wie Netzwerken, Graphen 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 für Data Mining & Analytics an der TUM.

Wichtigste Auszeichnungen

  • ACM SIGKDD Best Research Paper Award (2018)
  • Junior-Fellow der Gesellschaft für Informatik (2017)
  • Aufnahme in das Emmy-Noether-Programm der DFG (2015)
  • Forschungsstipendium des DAAD im Postdoc-Programm (2012 & 2013)
  • Dissertationspreis der Gesellschaft für Informatik (2013)

Schlüsselpublikationen (alle Publikationen)

Zügner 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.

Abstract

Bojchevski A, Shchur O, Zügner D, Günnemann S: "NetGAN: Generating Graphs via Random Walks". International Conference on Machine Learning. 2018; 609-618. 

Abstract

Günnemann S, Färber I, Boden V, Seidl T: "GAMer: A Synthesis of Subspace Clustering and Dense Subgraph Mining". Knowledge and Information Systems. 2014; 40(2): 243-278.

Abstract

Günnemann S, Boden B, Seidl T: „Finding Density-Based Subspace Clusters in Graphs with Feature Vectors“. Data Mining and Knowledge Discovery Journal. 2012; 25(2): 243-269.

Abstract

Müller E, Günnemann S, Assent I, Seidl T: „Evaluating Clustering in Subspace Projections of High Dimensional Data“. PVLDB. 2009; 2(1): 1270-1281.

Abstract