Fachbereich Informatik

Team

DSAR wird von Prof. Dr. Gjergji Kasneci geleitet. Lerne uns kennen.

Forschung

Wir betreiben Forschung in Data Science. Hier erfährst du mehr.

Lehre

Wir bieten regelmäßig Vorlesungen und Seminare an. Schaue vorbei.

Thesis

Abschlussarbeit in ML?! Schaue dir unsere offenen Themen an.

Was wir tun...

Die Absicherung der Qualität moderner Verfahren des Maschinellen Lernens hinsichtlich Vorhersagegüte, Robustheit, Unvoreingenommenheit und Nachvollziehbarkeit stellt in praktischen Anwendungsfällen oft eine Herausforderung dar. Unsere Forschungsschwerpunkte sind:

  1. Nachvollziehbare Generierung und Auswahl von Merkmalen/Features für komplexe Lernverfahren (z.B. für den Einsatz in Online-Szenarien und unter Berücksichtigung unterschiedlicher Unsicherheitsfaktoren).
  2. Robuste Vorhersage- und Erklärbarkeitsmechanismen unter Berücksichtigung verschiedener Fairnessdefinitionen.
  3. Techniken zur Quantifizierung und Verbesserung der Qualität von (Trainings-)Daten.

Werde Teil unseres Teams! Wir suchen einen neuen Doktoranden.

Neuigkeiten

Dezember 2020
Paper @ AAAI 2021 Workshop on Explainable Agency in AI

"On Baselines for Local Feature Attributions" von Johannes Haug, Stefan Zürn, Peter El-Jiz und Gjergji Kasneci wurde beim Workshop zu "Explainable Agency in AI" der AAAI 2021 Konferenz angenommen. Das Paper basiert auf einer Arbeit aus unserem EFML Seminar im Sommersemsester 2020.

Oktober 2020
1. Preis im Wettbewerb für maschinelles Lernen - Cognitive Load Monitoring @ UbiComp 2020

Wir freuen uns, dass unsere Gruppe auf der UniComp 2020 den ersten Preis im Wettbewerb für maschinelles Lernen "Cognitive Load Monitoring" gewonnen hat!

Oktober 2020
Paper @ ICPR 2020

"Aggregating Dependent Gaussian Experts in Local Approximation" von Hamed Jalali und Gjergji Kasneci wurde bei ICPR 2020 angenommen.

Oktober 2020
Paper @ ICPR 2020

"Learning Parameter Distributions to Detect Concept Drift in Data Streams" von Johannes Haug und Gjergji Kasneci wurde bei ICPR 2020 angenommen.

July 2020
Offene Doktorandenstelle

Wenn du Interesse an erklärbarem Maschinellem Lernen und Data Science hast, dann würden wir uns sehr freuen von dir zu hören. Dazu schicke bitte einen aktuellen Lebenslauf, eine aktuelle Notenübersicht und eine Schreibprobe an: gjergji.kasneci@uni-tuebingen.de. Wir freuen uns auf deine Bewerbung. Weitere Informationen folgen in Kürze.

Mai 2020
Paper @ KDD 2020

"Leveraging Model Inherent Variable Importance for Stable Online Feature Selection" von Johannes Haug, Martin Pawelczyk, Klaus Broelemann und Gjergji Kasneci wurde bei KDD 2020 angenommen.

Mai 2020
Paper @ UAI 2020

On Learning Invariant Counterfactual Explanations under Predictive Multiplicity von Martin Pawelczyk, Klaus Broelemann und Gjergji Kasneci wurde bei UAI 2020 angenommen.

Mai 2020
Best-Paper Award @ Symposium on Eye Tracking Research and Applications, 2020

A MinHash approach for fast scanpath classification von David Geisler, Nora Castner, Gjergji Kasneci und Enkelejda Kasneci wurde bei ETRA (2020).

April 2020
Paper @ Archives of Data Science, Series A

PLAY: A Profiled Linear Weighting Scheme for Understanding the Influence of Input Variables on the Output of a Deep Artificial Neural Network von Torsten Dietl, Gjergji Kasneci, Johannes Fürnkranz und Eneldo Loza Mencía wurde bei Archives of Data Science, Series A angenommen.

Januar 2020
Paper @ WWW 2020

"Learning model agnostic actionable counterfactual explanations for tabular data" von Martin Pawelczyk, Klaus Broelemann und Gjergji Kasneci wurde bei WWW 2020 akzeptiert. Im Paper wird eine neue Methode zur Generierung von counterfactual examples entwickelt.

Januar 2020
Acceptance @ WIRE's Data Mining and Knowledge Discovery Journal

Ein einleitender Survey "Bias in Data-driven AI Systems - An Introductory Survey" wurde bei WIRE's Data Mining and Knowledge Discovery Journal akzeptiert. Dies ist unsere erste multidisziplinäre Publikation im Kontext des EU "NoBias" Projekts: https://nobias-project.eu/index.php/partners/