Wissenschaftliche Laufbahn und Forschungsgebiete
Prof. Kasnecis (*1980) Forschungsgebiet ist der Bereich "Responsible Data Science". Insbesondere setzt sich Prof. Kasneci mit der Transparenz, Robustheit, Voreingenommenheit, und Fairness in Algorithmen des Machinellen Lernens auseinander. Dabei stehen ethische, rechtliche und gesellschaftliche Fragestellungen im Vordergrund, mit dem Ziel, Data Science und künstliche Intelligenz verantwortungsvoll und zum Nutzen des Individuums und der Gesellschaft einzusetzen.
Prof. Kasneci erlangte seinen MSc für Informatik an der Universität Marburg im Jahr 2005 und promovierte 2009 an der Universität des Saarlandes (am Max-Planck-Institut). Anschließend arbeitete er bei Microsoft Research Cambridge, dem Hasso Plattner Institut und der SCHUFA Holding AG, wo er von 2017 bis 2022 als CTO tätig war. Zwischen 2018 und 2023 leitete er als Honorarprofessor die Data Science und Analytics Gruppe an der Universität Tübingen. Im Jahr 2023 wurde Prof. Kasneci zum Professor für Responsible Data Science an der TUM ernannt.
Wichtigste Auszeichnungen
- Honorarprofessur von der Universität Tübingen (2019)
- Seoul Test of Time Award vom International World Wide Web Conference Committee, internationale Anerkennung für einen der einflussreichsten Artikel über Wissensextraktion und -organisation (2018)
Schlüsselpublikationen (alle Publikationen)
Rong, Y., Leemann, T., Borisov, V., Kasneci, G., & Kasneci, E. (2022). A consistent and efficient evaluation strategy for attribution methods. In Proceedings of the International Conference on Machine Learning 2022 (18770-18795).
AbstractPawelczyk, M., Broelemann, K., & Kasneci, G.: Learning model-agnostic counterfactual explanations for tabular data. In Proceedings of The Web Conference 2020 (pp. 3126-3132).
AbstractKasneci, G., Ramanath, M., Sozio, M., Suchanek, F. M., & Weikum, G.: Star: Steiner-tree approximation in relationship graphs. In 2009 IEEE 25th International Conference on Data Engineering (pp. 868-879).
AbstractKasneci, G., Suchanek, F. M., Ifrim, G., Ramanath, M., & Weikum, G.: Naga: Searching and ranking knowledge. In 2008 IEEE 24th International Conference on Data Engineering (pp. 953-962).
AbstractSuchanek, F. M., Kasneci, G., & Weikum, G.: "Yago: a core of semantic knowledge". In Proceedings of the 16th International Conference on World Wide Web 2007 (pp. 697-706).
Abstract