Estudos recentes em Machine Learning e suas aplicações industriais mostram que os métodos de Ensemble Machine Learning são mais precisos do que algoritmos individuais devido à sua maior robustez à ajustagem em muitas tarefas. Os métodos de Ensemble Machine Learning incluem abordagens homogéneas, que utilizam conjuntos de algoritmos idênticos, e abordagens heterogéneas, que exploram maior diversidade combinando diferentes algoritmos.

Na apresentação anterior, foram comparadas diferentes abordagens utilizadas para Ensemble Machine Learning no contexto do apoio à decisão financeira. Foi dada especial atenção às demonstrações dos Ensemble Machine Learning de última geração em problemas de classificação e regressão no âmbito financeiro, como deteção de transações financeiras fraudulentas, modelação de risco de crédito, previsão de perturbações financeiras, previsão de falta de stock de produtos e previsão do preço do bitcoin.

Petr Hajek é atualmente professor no Centro de Ciência e Pesquisa da Faculdade de Economia e Administração da Universidade de Pardubice. Também trabalhou como professor visitante na Universidade de Częstochowa. É autor ou co-autor de cinco livros e mais de 70 artigos em revistas líderes como Information Sciences, Decision Support Systems e Knowledge-Based Systems. Também atuou recentemente como editor de vários livros, incluindo "The Essentials of Machine Learning in Finance and Accounting" e "Novel Financial Applications of Machine Learning and Deep Learning". As suas atuais áreas de pesquisa incluem análise de dados financeiros, análise de sentimento e sistemas baseados em conhecimento.

A sessão realizar-se-á no Auditório INE da NOVA IMS, Edifício Manuel Vilares, situado no Campus de Campolide.

Transportes
Metro: S. Sebastião (Linha Azul e Linha Vermelha); Praça de Espanha (Linha Azul)
Carris: 701, 713, 716, 726, 742, 746, 756, 758, 770