Institute for Technologies and Management of Digital Transformation

Miguel Alves Gomes, M.Sc.

Wissenschaftlicher Mitarbeiter

Forschungsinteressen:

  • Recommender Systems
  • Data Mining
  • Data Analytics
  • Machine Learning and Deep Learning
  • Explainable AI with Transformers

Biographie

Miguel Alves Gomes ist seit Dezember 2020 als wissenschaftlicher Mitarbeiter und Doktorand am Institute for Technologies and Management of Digital Transformation an der Bergischen Universität Wuppertal tätig. In seiner Forschung beschäftigt sich Herr Alves Gomes mit personalisierten Empfehlungssystemen. Die Schwerpunkte liegen dabei in der Kombination von Unsupervised und Supervised Machine Learning Methoden sowie den hierfür benötigten Data Mining Verfahren.

Herr Alves Gomes studierte zunächst Informationstechnik mit Schwerpunkt Information Science im Bachelor und anschließend Informatik mit Schwerpunkt Data Analytics im Master an der Bergischen Universität Wuppertal. In dieser Zeit war er zudem als studentische Hilfskraft am Institute for Technologies and Management of Digital Transformation tätig. In seiner Masterarbeit untersuchte er das Sprachverständnis von Transformer-basierten neuronalen Netzen, indem er modellinterne Informationen visualisierte. 

Publikationen

2024
Hütten, N. , Alves-Gomes, M. , Hölken, F. , Andricevic, K. , Meyes, R. , & Meisen, T. (2024). "Deep Learning for Automated Visual Inspection in Manufacturing and Maintenance: A Survey of Open- Access Papers" , Applied System Innovation , 7 (1), 11.
Alves-Gomes, M. , Meyes, R. , Meisen, P. , & Meisen, T. (2024). "It's Not Always about Wide and Deep Models: Click-Through Rate Prediction with a Customer Behavior-Embedding Representation" , Journal of Theoretical and Applied Electronic Commerce Research , 19 (1), 135--151.
2023
Alves-Gomes, M. , & Meisen, T. (2023). "A review on customer segmentation methods for personalized customer targeting in e-commerce use cases" , Information Systems and e-Business Management .
Alves-Gomes, M. , Wönkhaus, M. , Meisen, P. , & Meisen, T. (2023). "TEE: Real-Time Purchase Prediction Using Time Extended Embeddings for Representing Customer Behavior" , Journal of Theoretical and Applied Electronic Commerce Research , 18 (3), 1404--1418.
2022
Alves-Gomes, M. , Meyes, R. , Meisen, P. , & Meisen, T. (2022). "Will This Online Shopping Session Succeed? Predicting Customer's Purchase Intention Using Embeddings" in Proceedings of the 31st ACM International Conference on Information & Knowledge Management , New York, NY, USA : {Association for Computing Machinery} 2873--2882.

ISBN: 9781450392365

Weitere Infos über #UniWuppertal: