2023年6月22日，西班牙Miguel Hernandez University of Elche (UMH)教授Juan Aparicio應邀在線做題為“The use of machine learning techniques to estimate technical efficiency（用機器學習方法測算技術效率）”的學術報告。報告會由王科教授主持，中心和學院的師生30余人參加。
Juan Aparicio教授在報告中討論了Free Disposal Hull（FDH）方法和Data Envelopment Analysis（DEA）方法存在的過擬合問題，并提出了一種基于分類與回歸樹（Classification and Regression Tree，CART）的解決方案。這種方案被命名為Efficiency Analysis Trees（EAT）。Juan Aparicio教授也通過與FDH、DEA等方法在均方誤差（Mean-Square Error, MSE）、絕對偏差（Absolute Bias）等指標的對比，展示了EAT方法相對于現有模型的優越性。此外Juan Aparicio教授也提出了可以通過剪枝、隨機叢林等方法對EAT模型進行優化。報告后，中心和學院的師生就EAT模型的改進方案、實證應用等問題與Juan Aparicio教授進行了深入交流和探討。
Juan Aparicio是西班牙Miguel Hernandez University of Elche (UMH)統計、數學和信息技術系的教授，也是運籌學中心的負責人。他曾擔任桑坦德銀行效率和生產力主席的聯合主席（與Knox Lovell教授）。他的研究興趣包括與機器學習和數據科學相結合的效率與生產力分析。他與Springer出版社合作，獨立或共同編輯了幾本書，主要集中于使用數據包絡分析進行績效評估和基準測試；并在不同的國際期刊上發表了約150篇科學文章。這些期刊包括European Journal of Operational Research，OMEGA，Annals of Operations Research，International Journal of Production Economics，Journal of Optimization Theory and Applications，Journal of Productivity Analysis，Operational Research，Socio-Economic Planning Sciences，以及Computers and Operations Research and Computers and Industrial Engineering。特別是，他最近發表了幾篇不同機器學習技術的改進文章，從方法論的角度估計生產函數和技術效率。此外，他還將新方法應用于教育、銀行等不同部門的真實數據庫。他曾在DEA International Conference in 2020等多個會議上擔任主旨發言人。他目前是Omega-The International Journal of Management Science和Journal of Productivity Analysis的副主編。
