Prof. Dr.
Jilles Vreeken
Jilles Vreeken ist Informatiker und Leitender Wissenschaftler am CISPA Helmholtz-Zentrum für Informationssicherheit in Saarbrücken. Dort leitet er die Arbeitsgruppe für Explorative Datenanalyse. Seine Forschungsinteressen umfassen kausale Inferenz, also die Ableitung von Ursache-Wirkungs-Beziehungen aus umfangreichen Beobachtungsdaten, maschinelles Lernen und Data Mining. Er ist besonders daran interessiert, Theorien und Methoden für das unüberwachte Lernen von informativen und idealerweise kausalen Modellen aus Daten zu entwickeln.
Jilles Vreeken erwarb seinen Ph.D. 2009 an der Universität Utrecht und ging dann als Post-Doc an die Universität Antwerpen. 2013 wechselte er als Leiter einer unabhängigen Forschungsgruppe an den DFG-Exzellenz Cluster für Multimodales Computing und Interaktion (MMCI) an der Universität des Saarlandes und als Senior Researcher an das Max-Planck-Institut für Informatik in Saarbrücken. Seit 2018 ist Jilles Vreeken am CISPA beschäftigt. Gleichzeitig ist er Honorarprofessor an der Universität des Saarlandes und ELLIS-Fellow der Saarbrücken-Einheit für Künstliche Intelligenz und Maschinelles Lernen.
Jilles Vreeken steht für Gespräche, Interviews oder Anhörungen zur Verfügung zu den Themen:
- Künstliche Intelligenz
- Explorative Datenanalyse: Untersuchung (großer) Datenbestände, über deren Struktur nichts oder wenig bekannt ist
- Maschinelles Lernen, insbesondere unüberwachtes Lernen, bei dem der Algorithmus ohne Anleitung lernt
- Kausalität, d. h. Extraktion von Kausalwissen aus Daten unter möglichst wenigen und einfachen Annahmen
- Data Mining
- Informatik und Informationssicherheit
Jilles Vreeken ist seit 2018 Leitender Wissenschaftler am CISPA Helmholtz-Zentrum für Informationssicherheit in Saarbrücken und gleichzeitig Honorarprofessor an der Universität des Saarlandes. Seine Arbeitsgruppe am CISPA beschäftigt sich vor allem mit der sogenannten Explorativen Datenanalyse. Das sind statistische Untersuchungsmethoden, mit denen große, weitgehend unerforschte Datenbestände bearbeitet werden. Die Grundfrage, die sich Vreeken stellt, erscheint vordergründig simpel: Was kann man aus den Daten lernen? Mittels der explorativen Datenanalyse wollen Forscher wie Vreeken Algorithmen für das Maschinenlernen entwerfen, mit denen Künstliche Intelligenz ohne menschliche Anleitung die Bestände analysiert. Sie soll dabei potenzielle Zusammenhänge erkennen, Muster entdecken und Fragen oder Hypothesen entwickeln, die anschließend mit formelleren statistischen Methoden erkundet werden können.
Vreeken interessiert sich für die Faktoren, die die Identifizierung solcher Muster beeinflussen. Das können etwa externe Störfaktoren (confounder) sein, Hintergrundwissen, das nicht aus dem Datenbestand selbst herrührt, vor allem aber auch die systematische Verzerrung des Analyse-Prozesses selbst (bias).
Der gebürtige Niederländer hat auf diesem Gebiet bereits seine Ph.D.-Arbeit geschrieben und Forschungsgruppen an der Universität von Antwerpen, am Max-Planck-Institut für Informatik und am DFG-Exzellenz-Cluster für Multimodales Computing und Interaktion (MMCI) geleitet. Der ist an der Universität des Saarlandes angesiedelt.
- seit 2018 W3-Professor am CISPA Helmholtz-Zentrum für Informationssicherheit in Saarbrücken, Honorarprofessor an der Universität des Saarlandes und ELLIS-Fellow der Saarbrücken-Einheit für Künstliche Intelligenz und Maschinelles Lernen
- 2013 – 2022 Senior Researcher am Max-Planck-Institut für Informatik in Saarbrücken
- 2013 – 2018 Leiter der unabhängigen Forschungsgruppe “Exploratory Data Analysis” am DFG-Exzellenz-Cluster für Multimodales Computing und Interaktion (MMCI) an der Universität des Saarlandes
- 2009 – 2013 Post Doc an der Universität Antwerpen
- 2009 Ph.D. an der Universität Utrecht
Auszeichnungen (Auswahl)
- 2018 IEEE ICDM Tao Li Preis für exzellente Forschung auf den Gebieten Data Mining und Machine Learning
- 2018 IEEE ICDM Auszeichnung für den besten Aufsatz für: "Discovering Reliable Dependencies from Data"
- 2011 ACM SIGKDD Auszeichnung für den besten studentischen Aufsatz für: "Tell Me What I Need to Know"
- 2010 ACM SIGKDD Zweiter Preis für die Dissertation "Making Pattern Mining Useful"
- 2009 ECML PKDD Auszeichnung für den besten studentischen Aufsatz für: "Identifying the Components"
Gremien und Mitarbeit (Auswahl)
- seit 2020 Redaktionsmitglied von "Knowledge and Information Systems" (KAIS)
- seit 2015 Redaktionsmitglied von "Data Mining and Knowledge Discovery" (DAMI)
- 2022 – 2025 Mitglied im Programmkomitee "Artificial Intelligence and Statistics (AISTATS)
- 2010 – 2024 Mitglied im Programmkomitee ACM SIGKDD
- 2020 – 2024 Mitglied im Programmkomitee International Conference on Artificial Intelligence (AAAI)
- 2008 –2024 Mitglied im Programmkomitee ECML PKDD
