No description available.

No description available.

No description available.

No description available.

In recent years, the interest in new Deep Learning methods has increased considerably due to their robustness and applications in many fields. However, the lack of interpretability of these models and the lack of theoretical knowledge about them raises many issues. It is in this context that sum product network models have emerged. From a mathematical point of view, SPNs can be described as Directed Acyclic Graphs. In practice, they can be seen as deep mixture models and as a consequence they can be used to represent very rich collections of distributions. The objective of this master thesis was threefold. First we formalized the concept of SPNs with proper mathematical notations, using the concept of Directed Acyclic Graphs and Bayesian Networks theory. Then we developed a new method for learning the structure of a SPN, based on K-means and Mutual Information Theory. Finally we proposed a new method for the estimation of parameters in a fixed SPN, in the context of incomplete data. Our estimation method is based on maximum likelihood methods with the EM algorithm. / Under de senaste åren har intresset för nya Deep Learning-metoder ökat avsevärt på grund av deras robusthet samt deras tillämpning inom en mängd områden. Bristen på teoretisk kunskap om dessa modeller samt deras svårtolkad karaktär väcker emellertid många frågor. Det är i detta sammanhang som Sum-Product Network kom fram, vilken erbjuder en viss ambivalens då den situerar sig mellan ett linjärt neuralt nätverk utan aktiveringsfunktion och en sannolikhetsgraf. Inom vanliga applikationer med verklig data hittar vi ofta ofullständiga, censurerade eller trunkerad data. Inlärningen av dessa grafer till verklig data är dock fortfarande obefintlig. Syftet med detta examensarbete är att studera några grundläggande egenskaper hos Sum-Product Networks och försöka utöka deras inlärning och uppträning till ofullständig data. Trovärdighetsskattningar med hjälp av EM-algoritmer kommer att användas för att utöka inlärningen av dessa grafer till ofullständiga data.

Small and medium-sized enterprises (SMEs) have long been considered the backbone in any country’s economy for their contribution to growth and prosperity. It is therefore of great importance that the government and legislators adopt policies that optimise the success of SMEs. Recent concerns of an impending recession has made this topic even more relevant since small companies will have greater difficulty withstanding such an event. This thesis will focus on the effects of macroeconomic factors on SMEs in Sweden, with the usage of multiple linear regression. Data was collected for a 10 year period, from 2009 to 2019 at a monthly interval. The end result was a five variable model with an coefficient of determination of 98%. / Små- och medelstora företag (SMEs) har länge varit ansedda som en av de viktigaste komponenterna i ett lands ekonomi, främst för deras bidrag till tillväxt och framgång. Det är därför mycket viktigt att regeringar och lagstiftare för en politik som främjar SMEs optimala tillväxt. Flera år av högkonjunktur och oro över kommande lågkonjunktur har gjort detta ämne ytterst relevant då små företag är de som kommer att drabbas värst av en svårare ekonomisk tillvaro. Denna rapport använder multipel linjär regression för att utvärdera effekterna av olika makroekonomiska faktorer på SMEs i Sverige. Data har insamlats månadsvis för en 10 årsperiod mellan 2009 till 2010. Resultatet blev en modell med fem variabler och en förklaringsgrad på 98%.

This past decade, the majority of services have been digitalized and data more and more available, easy to store and to process in order to understand customers behaviors. In order to be leaders in their proper industries, subscription-based businesses must focus on their Customer Relationship Management and in particular churn management, that is understanding customers cancelling their subscription. In this thesis, churn analysis is performed on real life data from a Software as a Service (SaaS) company selling an advanced cloud-based business phone system, Aircall. This use case has the particularity that the available dataset gathers customers data on a monthly basis and has a very imbalanced distribution of the target: a large majority of customers do not churn. Therefore, several methods are tried in order to diminish the impact of the imbalance while remaining as close as possible to the real world and the temporal framework. These methods include oversampling and undersampling (SMOTE and Tomek's link) and time series cross-validation. Then logistic regression and random forest models are used with an aim to both predict and explain churn.The non-linear method performed better than logistic regression, suggesting the limitation of linear models for our use case. Moreover, mixing oversampling with undersampling gives better performances in terms of precision/recall trade-off. Time series cross-validation also happens to be an efficient method to improve performance of the model. Overall, the resulting model is more useful to explain churn than to predict it. It highlighted some features majorly influencing churn, mostly related to product usage. / Under det senaste decenniet har många tjänster digitaliserats och data blivit mer och mer tillgängliga, enkla att lagra och bearbeta med syftet att förstå kundbeteende. För att kunna vara ledande inom sina branscher måste prenumerationsbaserade företag fokusera på kundrelationshantering och i synnerhet churn management, det vill säga förståelse för hur kunder avbryter sin prenumeration. I denna uppsats utförs kärnanalys på verkliga data från ett SaaS-företag (software as a service) som säljer ett avancerat molnbaserat företagstelefonsystem, Aircall. Denna fallstudie är speciell på så sätt att den tillgängliga datamängden består av månatlig kunddata med en mycket ojämn fördelning: en stor majoritet av kunderna avbryter inte sina prenumerationer. Därför undersöks flera metoder för att minska effekten av denna obalans, samtidigt som de förblir så nära den verkliga världen och den tidsmässiga ramen. Dessa metoder inkluderar översampling och undersampling (SMOTE och Tomeks länk) och korsvalidering av tidsserier. Sedan används logistisk regression och random forests i syfte att både förutsäga och förklara prenumerationsbortfall. Den icke-linjära metoden presterade bättre än logistisk regression, vilket tyder på en begränsning hos linjära modeller i vårt användningsfall. Dessutom ger blandning av översampling med undersampling bättre prestanda när det gäller precision och återkoppling. Korsvalidering av tidsserier är också en effektiv metod för att förbättra modellens prestanda. Sammantaget är den resulterande modellen mer användbar för att förklara bortfall än att förutsäga dessa. Med hjälp av modellen kunde vissa faktorer, främst relaterade till produktanvändning, som påverkar bortfallet identifieras.

This project is dedicated to modelling and optimization of a queue system and personnel management in organizations and is designed as a case study of a phone customer service. Customer services have become an important part of the majority of modern business systems thanks to its role as a primary tool for communication between companies and customers. Hence follows great academical and practical interest for splendidly designed customer systems and even for personnel welfare. The latter is an important factor influencing a number of aspects, for example system’s effectiveness, quality of service and personnel turnover. The theory behind queue modelling and simulations can be found in chapter 2, which is followed by data overview. The approach of modeling is described in chapter 4 and includes data processing, estimation of intensities and simulation of similar datasets based on the produced intensities. Simulations are also used to produce working timetables, to show the dependence between target achievements and budget and check the model’s accuracy. The optimal working timetable with different budget targets is presented at the end of the chapter 5. The model’s accuracy and implications of the case study are discussed in chapter 6. Chapter 7 is dedicated to personnel welfare. Firstly, we consider relevant theoretical background such as organization theory and its HR perspective. Overview of personnel welfare system of the customer service modelled in the mathematical part is given in 7.3.1. This part is followed by case study of a company called T-Mobile. After that some aspects of personnel welfare are discussed, and the conclusions are drawn in chapter 8. / Detta projekt behandlar modellering och optimering av ett kösystem samt personalvård på organisationer och är utformad som en fallstudie av en telefonkundtjänst. Kundtjänstsystem har blivit en viktig del av de flesta, om inte alla, moderna affärssystem tack vare dess roll som ett primärt kommunikationsinstrument för företag och kunder. Härav följer stort akademiskt och praktiskt intresse för välfungerande kundtjänstsystem och inte minst för personalvården. Det sistnämnda är en viktig faktor som påverkar en rad aspekter såsom kundtjänstsystemets effektivitet, servicekvalitet och personalomsättning. Teorin bakom kömodellering och simulering hittas i kapitel 2, som följs av dataöverblick i nästa kapitel. Tillvägagångssättet vid kömodelleringen beskrivs i kapitel 4 och inkluderar databearbetning, estimering av intensiteter samt simulering av liknande datamängder med de framtagna intensiteterna som utgångspunkter. Simuleringar används dessutom för att ta fram scheman, visa beroendet mellan variabler måluppfyllnad och budget och kontrollera modellens träffsäkerhet. Optimalt arbetsschema för olika budgetmålsättningar ställs upp och presenteras i slutet på kapitel 5. Modellens träffsäkerhet och implikationer av studiens resultat diskuteras i kapitel 6. Kapitel 7 är dedikerad till personalvård. Först vänder vi oss till teoretiska grunder av organisationsteori och dess HR-perspektiv. Översikt på hur personalvård ser ut på en kundtjänstavdelning vars kösystem har modellerats ges i 7.3.1. Den delen följs av fallstudien av ett bolag T-Mobile. Sedan markeras olika moment av personalvård i diskussionsdelen. Slutsatser sammanfattas i kapitel 8.

No description available.

No description available.