EPEfrain Pantaleon-Matamoros

Efrain Pantaleon-Matamoros

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Efrain Pantaleon-Matamoros has a total of 23 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    USO APLICADO DE MACHINE LEARNING COM RANDOM FOREST E SELF-ORGANIZING MAP COMO MODELO PREDITIVO PARA EVASÃO DE ALUNOS

    by Anderson Costa Lima, Orivaldo Vieira de Santana Junior, Efrain Pantaleón Matamoros

    Este artigo é um recorte de uma dissertação de mestrado desenvolvida no Programa de Pós-Graduação em Ciência, Tecnologia e Inovação da Universidade Federal do Rio Grande do Norte (UFRN). Com o objetivo de investigar fatores relacionados à evasão no ensino superior por meio de técnicas de Mineração de Dados Educacionais (MDE) e Machine Learning (ML). O estudo busca explorar os dados do curso Interdisciplinar em Ciências e Tecnologia (C&T) da própria universidade, considerando os alunos ingressantes entre os anos de 2014 a 2023, com o objetivo de desenvolver modelos analíticos que identifiquem características de intervenção para o desenvolvimento acadêmico dos estudantes. O estudo combina algoritmos de ML, como Random Forest (classificação) e Self-Organizing Maps (clustering), em uma abordagem híbrida, aplicada à MDE. O resultado é um modelo preditivo capaz de identificar atributos que impactam a evasão, utilizando a explicabilidade da técnica SHapley Additive exPlanations para encontrar um conjunto de características explicáveis e ao mesmo tempo, fornecer uma melhoria significativa no poder preditivo do modelo.

  • Open Access

    Análise bacteriológica dos efluentes industriais tratados com biomassa vegetal biodegradável

    by Ana Keila Queiroz da Silva, Efrain Pantaleon-Matamoros, Ademir Oliveira Silva, Juliana Espada Lichston, Raimunda Adlany Dias da Silva, Aldo Fonseca de Souza, Felipe Macedo Zumba, Lucielly Oliveira Watson, Henrique Rocha de Medeiros, Andreza dos Santos Sousa, et al.

    A análise bacteriológica de efluentes configura-se como uma ferramenta essencial para detectar a presença ou ausência de contaminação microbiológica em amostras. No contexto de efluentes industriais tratados, essa verificação é especialmente relevante, pois a ausência de microrganismos patogênicos contribui para evitar impactos negativos ao meio ambiente. O presente trabalho tem como objetivo avaliar os níveis de coliformes totais e/ou fecais em amostras de efluentes industriais submetidas a tratamento com biomassa vegetal biodegradável. A metodologia utilizada na análise bacteriológica deu-se por meio do método colorimétrico do fabricante Readycult Coliforms visando identificar a presença ou ausência de coliformes nas amostras testadas. Os resultados indicam que, na amostra de água residual de soja, há presença de contaminação microbiológica nas concentrações de 0,04 g/ml e 0,08 g/ml nas biomassas de açafrão (rizoma), casca + rizoma e biomassa comercial. Já na concentração de 0,05 g/ml a contaminação foi exclusivamente na biomassa composta pela casca de açafrão. Por outro lado, não foi detectada contaminação microbiológica nas amostras de água residual de girassol em quaisquer concentrações testadas. Conclui-se que a utilização de biomassa vegetal biodegradável proveniente do açafrão, em suas diferentes concentrações e região do rizoma, apresenta potencial antimicrobiano variável conforme a concentração aplicada e que a ausência de contaminação nas amostras de água residual de girassol reforça a eficiência do tratamento, sinalizando uma alternativa promissora para a mitigação microbiológica em efluentes industriais.

  • Open Access

    HOW DATA MINING CAN BE USED TO IDENTIFY SPECIFIC CRIME PATTERNS IN THE CITY OF NATAL/RNBASED ON THE CHICAGO SCHOOL THEORY OF CRIMINOLOGY

    by Stefani Leite Cavalcanti, Wagner Márcio Marques Cabral, Horácio Betcel Guimarães, Orivaldo Vieira de Santana Júnior, Efrain Pantaléon Matamoros

    Year after year, the increasing volume of data on crime in the state of Rio Grande do Norte (RN) exposes the fragility of the public security system and the new challenges. This prompts the use of advanced techniques to seek and extract valuable insights for the public security sector. This article proposes a modern perspective that combines data mining and machine learning algorithms with the CRISP-DM methodology. This arrangement aims to identify patterns and profiles of various crimes in Natal City, RN, enhancing the understanding of their occurrences by region and neighborhood within the city. The numbers indicate that this approach is not only effective as a tool for optimizing strategies but also has the ability to identify specific behavioral patterns. In the pursuit of crime prevention and reduction, this focus points to an effective remedy for addressing disputes related to criminality in RN.

  • Open Access

    Utilização da biomassa vegetal biodegradável no tratamento de efluente industrial

    by Ana Keila Queiroz da Silva, Efrain Pantaleon-Matamoros, Ademir Oliveira Silva, Raimunda Adlany Dias da Silva, Juliana Espada Lichston, Lucielly Oliveira Watson, Henrique Rocha de Medeiros, Aldo Fonseca de Souza, Felipe Macedo Zumba, Andreza dos Santos Sousa, et al.

    A produção de biocombustíveis se configura, na atualidade, como uma alternativa de mitigação dos impactos ambientais causada pelo uso de fontes não renováveis de energia. É uma estratégia na busca de um desenvolvimento sustentável no qual haja equilíbrio econômico, suprimento da sociedade e uso consciente dos recursos naturais. Contudo, um problema ambiental relatado na literatura em relação à indústria de biocombustíveis é a contaminação dos mananciais e aquíferos trazendo prejuízo à qualidade da água. Assim, objetivou-se analisar o potencial da Curcuma longa L, biomassa vegetal biodegradável, para o tratamento de água residual da síntese de biodiesel, por meio da aplicação de diferentes concentrações de biomassa natural (rizoma e casca) e industrial na água residual da produção de biodiesel de girassol e soja. Observou-se que dentre as concentrações de biomassa analisadas, apenas a concentração 0,08g.mL-1, não apresentou mudança nos parâmetros analisados. Em decorrência disto, foram realizados novos testes e as concentrações de 0,02g.mL-1 alterou o pH para a amostra comercial, enquanto 0,05g.mL-1, alterou o pH da amostra natural (casca). Conclui-se que depois da realização dos testes com a biomassa associada ao tratamento de efluente industrial, terminou a etapa da adaptação da biomassa com água residual de biodiesel de soja e girassol, desta forma, chegando a escolha da biomassa de açafrão e a concentração adequada.


  • Open Access

    COMO A MINERAÇÃO DE DADOS PODE SER UTILIZADA PARA IDENTIFICAR PADRÕES CRIMINAIS ESPECÍFICOS NA CIDADE DO NATAL/RN COM BASE NA TEORIA DA ESCOLA DE CHICAGO SOBRE A CRIMINOLOGIA

    by Stefani Leite Cavalcanti, Wagner Márcio Marques Cabral, Horácio Betcel Guimarães, Orivaldo Vieira De Santana Júnior, Efrain Pantaléon Matamoros

    Ano após ano, o crescente volume de dados sobre a criminalidade no Estado do Rio Grande do Norte, expõe a fragilidade do sistema de segurança pública e os novos desafios a serem enfrentados, ensejando o uso de técnicas avançadas para buscar e retirar insights de grande valor para uso no setor de segurança pública. Este artigo sugere uma perspectiva moderna que une mineração de dados e algoritmos de machine learning e o CRISP-DM. Um arranjo que busca identificar padrões e perfis dos diversos crimes na Cidade do Natal/RN e aprimorar a compreensão de suas ocorrências, por região e bairro dentro da cidade. Os números indicam que essa abordagem não é eficaz apenas como ferramenta para aperfeiçoar estratégias, mas também tem a capacidade de identificar padrões comportamentais específicos, na busca da prevenção e diminuição dos crimes. Esse enfoque aponta para um remédio eficaz para tratar a criminalidade no RN.

  • Open Access

    Análise de clusters no tratamento de efluentes industriais: um estudo biológico

    by Ana Keila Queiroz da Silva, Efrain Pantaleon-Matamoros, Ademir Oliveira Silva, Aldo Fonseca de Souza, Lucielly Oliveira Watson, Henrique Rocha de Medeiros, Felipe Macedo Zumba, Orivaldo Vieira Santana Junior, Raimunda Adlany Dias da Silva, Layza Samara Guerra de Amorim

    As técnicas de aprendizado de máquinas estão sendo utilizadas para a identificação de soluções de problemas nas organizações, devido a sua utilidade na predição, previsão, análise e interpretação das informações obtidas nas empresas. O objetivo da pesquisa foi a utilização do algoritmo K-Means como uma ferramenta para auxiliar na análise de dados provenientes de tratamento de efluentes, proporcionando alternativas para a análise e interpretação dos dados por meio de procedimentos computacionais. A metodologia foi explicativa e exploratória com apresentação dos resultados da análise quantitativa. Foram utilizadas 1251 amostras obtidas nas análises físico-química e biológica da água residual de biodiesel de girassol. A aplicação de K-Means resultou em seis clusters, proporcionando uma identificação dos valores antes e após o tratamento no período de 24 horas das amostras analisadas da água residual de girassol. A análise dos dados mostrou a relação da condutividade, turbidez e TDS na água residual de girassol em suas respectivas separações, casca, rizoma, casca + rizoma e comercial onde foi observado o agrupamento dos valores de acordo com o TDS verificado antes e após as 24h do experimento. Contudo, a partir dos resultados da pesquisa foi verificado a importância da utilização das técnicas de aprendizado de máquina não-supervisionado para a análise dos dados de tratamento de efluentes.


  • Open Access

    Mineração de dados e análise no comportamento de vendas passagens fluviais na Amazônia

    by Anderson Costa Lima, Horácio Betcel Guimarães, Wagner Márcio Marques Cabral, Moisés Santos Da Silva, Orivaldo Vieira De Santana Junior, Efrain Pantaleón-Matamoros, Zulmara Virgínia De Carvalho, Marco Antônio Leandro Cabral

    A cada dia, a crescente disponibilidade de dados coloca diante das empresas tanto oportunidades quanto desafios significativos, demandando a aplicação de técnicas avançadas para extrair insights valiosos. Este artigo propõe uma abordagem inovadora que une mineração de dados e algoritmos de machine learning, com destaque para o Random Forest e o Self-Organizing Map, utilizados de forma híbrida. Essa combinação visa não apenas identificar padrões e perfis de clientes em uma empresa de venda de passagens de barco, mas também aprimorar a satisfação do cliente ao compreender mais profundamente seus comportamentos. Os resultados destacam não apenas a eficácia dessa abordagem como uma ferramenta valiosa na otimização de estratégias, mas também sua capacidade de identificar padrões comportamentais específicos. Em um mercado altamente competitivo, onde a retenção dos clientes mais rentáveis se torna crucial, essa abordagem se revela como uma resposta eficiente para enfrentar os desafios de um ambiente comercial dinâmico e altamente competitivo.