Martin Pawelczyk

Im Novemeber 2018 begann ich meine Promotion unter Leitung von Dr. Gjergji Kasneci. Davor habe ich Statistik an der London School of Economics studiert, wo ich mich auf Methoden des statistischen Lernens konzenriert habe. In meiner Dissertation habe ich einen nicht-parametrischen Unabhängigkeitstest weiterentwickelt, welcher sich für die Konstruktion von undirected Gaussian und generellen graphical models eignet wenn die Zahl der Dimensionen höher ist als die Zahl der Observationen. Bevor ich meinen Abschluss an der LSE erhielt, habe ich außerdem Ökonometrie an der University of Edinburgh und VWL and der Universität zu Köln studiert. Während meines Graduiertenstudiums hatte ich das Glück von der Studienstiftung des Deutschen Volkes unterstützt zu werden.

Forschungsinteressen

Fairness and Explainability with guarantees
Generation of counterfactual explanations with guarantees

Falls Du Deine Masterarbeit zu einem der genannten Themen schreiben möchtest, kannst Du mich gerne kontaktieren. Außerdem finden sich auf unserer Seite regelmäßig neue Themen für Abschlussarbeiten.

Veröffentlichungen

Deep Neural Networks and Tabular Data: A Survey @ IEEE Transactions on Neural Networks and Learning Systems (TNNLS) (Vadim Borisov, Tobias Leemann, Kathrin Sessler, Johannes Haug, Martin Pawelczyk und Gjergji Kasneci)

I Prefer not to Say: Operationalizing Fair and User-guided Data Minimization @ NeuIPS22 Workshop on Algorithmic Fairness through the Lens of Causality and Privacy (Tobias Leemann, Martin Pawelczyk, Christian Thomas Eberle und Gjergji Kasneci)

On the Trade-Off between Actionable Explanations and the Right to be Forgotten @ NeuIPS22 Workshop on Trustworthy and Socially Responsible Machine Learning (Martin Pawelczyk, Tobias Leemann, Asia Biega und Gjergji Kasneci).

Algorithmic Recourse in the Face of Noisy Human Responses @ICLR SRML Workshop 2022 (Martin Pawelczyk, Teresa Datta, Johannes van-den-Heuvel, Gjergji Kasneci, Himabindu Lakkaraju)

Disentangling Algorithmic Recourse @ICLR SRML Workshop 2022 (Martin Pawelczyk, Lea Tiyavorabun, Gjergji Kasneci)

CARLA: A Python Library to Benchmark Algorithmic Recourse and Counterfactual Explanation Algorithms @NeurIPS 2021 (Martin Pawelczyk, Sascha Bielawski, Johannes van-den-Heuvel, Tobias Richter, Gjergji Kasneci)

Leveraging Model Inherent Variable Importance for Stable Online Feature Selection @KDD 2020 (Johannes Haug, Martin Pawelczyk, Klaus Broelemann und Gjergji Kasneci)

On Counterfactual Explanations under Predictive Multiplicity @UAI 2020 (Martin Pawelczyk, Klaus Broelemann und Gjergji Kasneci)

Learning model agnostic actionable counterfactual explanations for tabular data @WWW 2020 (now: The Web Conference) (Martin Pawelczyk, Klaus Broelemann und Gjergji Kasneci)