[ABE-L] Seminário PIPGEs com Anderson Ara (DEST-UFPR): 11/4 (sexta) às 14hs no CINA-UFSCar

[Rafael Izbicki]

Caros,

Na sexta-feira, *11 de Abril às 14:00hs*, teremos seminário do Programa
Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

*Nome*: Anderson Ara (DEST-UFPR)

*Título: *Active Learning And Dimensionality Reduction: A Case In Process
Mining

*Resum*o: This talk presents an integrated methodology that combines Active
Learning and Process Mining to optimize efficiency and performance in CRM
systems. Departing from traditional model-centric approaches, this study
emphasizes the strategic use of t-SNE and entropy-based methods to enhance
the GSx sampling step, allowing the selection of the most informative data
points and reducing the dependency on large training datasets. The
methodology is demonstrated through the transition of a Brazilian company
from a telephony-based system to an omnichannel CRM system. By analyzing
event logs, dialer activity, and call history, the study estimates success
rates and identifies key process optimizations. The proposed approach
leverages t-SNE for dimensionality reduction and entropy to capture
uncertainty, ensuring a more robust sampling process during the GSx phase.
Four predictive models Support Vector Machine (SVM), Random Forest (RF),
Multilayer Perceptron (MLP), and Linear Regression (LR) were evaluated,
with LR and SVM (linear kernel) demonstrating the most effectiveness in
reducing unnecessary calls and enhancing dialer performance. Process mining
further identified critical variables influencing success rates. This
combined approach significantly minimizes the need for extensive datasets,
improves model performance, and facilitates broader applications across CRM
systems, streamlining the optimization of dialed calls without overloading
computational resources. Joint work with Rafael Magalhães UFPR.

*Minibio:* Professor Adjunto da Universidade Federal do Paraná (UFPR),
campus Curitiba-PR, Departamento de Estatística (DEst) do Setor de Ciências
Exatas. Graduado (2009) e Mestre (2011) em Estatística pela Universidade
Federal de São Carlos (UFSCar). Doutor em Estatística (2016) através dos
Programas de Pós-graduação em Estatística (PPGEst-UFSCar) e Pós-graduação
em Ciência da Computação (PPG-CC-UFSCar). Foi Professor Visitante na
University of Toronto (UofT), Toronto-ON, Canadá (2023), Professor Adjunto
da Universidade Federal da Bahia (2017-2021) e Professor da Faculdade de
Tecnologia SENAI-SP (2009-2015). Docente da Especialização em Data Science
& Big Data (DSBD-UFPR) e MBA em Advanced Analytics e Business Optimization
(AABO-UFPR). Pesquisador do Programa de Pós-Graduação em Informática
(PPGInf-UFPR) e do Programa de Pós-Graduação em Métodos Numéricos
(PPGMNE-UFPR). Coordenador do DataSci Labs UFPR. Atua principalmente nas
seguintes áreas: Aprendizado Estatístico de Máquina, Inferência Estatística
e Métodos Computacionais. Possui mais de 45 artigos publicados na área de
aprendizado de máquina e 17 prêmios nacionais e internacionais. Bolsista
MEC/FNDE (2022-2028). Maiores detalhes em leg.ufpr.br/~ara.

*Local: *Sala 5 do CINA-UFSCar (São Carlos)

Todos são bem vindos!

          Rafael

[image: anderson.png]


--
Rafael Izbicki
Assistant Professor | Vice Director of Graduate Studies
Department of Statistics
Federal University of São Carlos (UFSCar)
https://rafaelizbicki.com/
www.small.ufscar.br
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20250402/a53a4475/attachment-0001.htm>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: anderson.png
Tipo: image/png
Tamanho: 550880 bytes
Descrição: não disponível
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20250402/a53a4475/attachment-0001.png>