Datos Identificativos 2022/23
Asignatura (*) Minería de Procesos Código 614544025
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Primero Optativa 3
Idioma
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinador/a
Varela Rodeiro, Tirso
Correo electrónico
tirso.varela.rodeiro@udc.es
Profesorado
Varela Rodeiro, Tirso
Correo electrónico
tirso.varela.rodeiro@udc.es
Web http://https://moodle.udc.es/
Descripción general O obxectivo da materia é proporcionar os conceptos teóricos e as habilidades prácticas para o desenvolvemento de técnicas intelixentes no ámbito da información proporcionada pola execución dos procesos de negocio co fin de mellorar e optimizar o seu rendemento. A materia abordarase desde un enfoque descritivo, no que se introducirán técnicas que permiten coñecer o que sucedeu e non o que se pensa que sucede; e preditivo, no que se presentarán os principais retos da monitorización preditiva e as técnicas intelixentes que dan resposta a ditos retos.

Competencias del título
Código Competencias del título
A8 CE07 - Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable
A9 CE08 - Capacidad para diseñar y desarrollar sistemas inteligentes seguros, en términos de integridad, confidencialidad y robustez
A10 CE09 - Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación cuántica y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la inteligencia artificial
A12 CE11 - Comprensión y dominio de las principales técnicas y herramientas de análisis de datos, tanto desde el punto de vista estadístico como del aprendizaje automático, incluyendo las dedicadas al tratamiento de grandes volúmenes de datos, y capacidad para seleccionar las más adecuadas para la resolución de problemas.
A14 CE13 - Conocimiento de las herramientas informáticas en el campo del análisis de los datos y modelización estadística, y capacidad para seleccionar las más adecuadas para la resolución de problemas
A15 CE14 - Comprensión y dominio de las principales técnicas de aprendizaje automático, incluyendo las dedicadas al tratamiento de grandes volúmenes de datos. Compresión y dominio de fundamentos y técnicas básicas para la búsqueda y el filtrado de información en grandes colecciones de datos
A16 CE15 - Conocimiento de las herramientas informáticas en el campo del aprendizaje automático, y capacidad para seleccionar la más adecuada para la resolución de un problema
A17 CE16 - Conocimiento del proceso y las herramientas para el procesamiento y preparación de datos desde su adquisición o extracción, limpieza, transformación, carga, organización y acceso
A20 CE19 - Conocimiento de diferentes ámbitos de aplicación de las tecnologías basadas en IA y su capacidad para ofrecer un valor añadido diferenciador
A21 CE20 - Capacidad de combinar y adaptar diferentes técnicas, extrapolando conocimientos entre diferentes ámbitos de aplicación
A22 CE21 - Conocimiento de las técnicas que facilitan la organización y gestión de proyectos en IA en entornos reales, la gestión de los recursos y la planificación de tareas de una manera eficiente, teniendo en cuenta conceptos de diseminación del conocimiento y ciencia abierta
A23 CE22 - Conocimiento de técnicas que facilitan la seguridad de los datos, aplicaciones y las comunicaciones y sus implicaciones en diferentes ámbitos de aplicación de la IA
A28 CE27 - Comprensión de la importancia de la cultura emprendedora y conocimiento de los medios al alcance de las personas emprendedoras
A29 CE28 - Conocimiento adecuado del concepto de empresa, su organización y gestión, y los distintos sectores empresariales con el objetivo de facilitar soluciones desde la Inteligencia Artificial
A30 CE29 - Ser capaz de aplicar los conocimientos, capacidades y actitudes a la realidad empresarial y profesional, planificando, gestionando y evaluando proyectos en el ámbito de la inteligencia artificial
A31 CE30 - Ser capaz de plantear, modelar y resolver problemas que requieran la aplicación de métodos, técnicas y tecnologías de inteligencia artificial
B1 CG01 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial
B2 CG02 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial
B4 CG04 - Elaborar adecuadamente y con cierta originalidad composiciones escritas o argumentos motivados, redactar planes, proyectos de trabajo, artículos científicos y formular hipótesis razonables en el campo
B5 CG05 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones
B6 CB01 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
B7 CB02 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B9 CB04 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigu?edades
B10 CB05 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
C5 CT05 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras
C8 CT08 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad
C9 CT09 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar actividades, identificar las críticas, establecer plazos y cumplirlos

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocer las principales técnicas de descubrimiento de procesos y ser capaz de seleccionar la más apropiada para un dominio dado. AM7
AM13
AM14
AM16
AM28
BM7
BM9
CM5
CM9
Saber aplicar las técnicas de busca y optimización para la verificación de la conformidad de un proceso. AM15
AM29
AM30
BM9
CM8
Conocer y desarrollar soluciones basadas en inteligencia artificial para monitorización predictiva. AM9
AM11
AM16
BM4
BM7
BM10
CM9
Entender y resolver los problemas de optimización en procesos de negocio. AM21
BM5
BM9
CM9
Conocer y comprender las métricas de calidad de un proceso. AM11
AM22
BM6
CM5
Conocer los principales problemas que resuelve la minería de procesos. AM8
AM19
AM20
AM27
BM1
BM2
BM6
BM7
BM10
CM5
CM8

Contenidos
Tema Subtema
TEORÍA 1. Concepto de proceso.
2. Registro de eventos.
3. Indicadores clave de negocio y de proceso.
4. Descubrimiento de procesos.
5. Conformidad de los procesos.
6. Analíticas de procesos.
7. Monitorización predictiva.
8. Optimización de procesos.
PRÁCTICA 1. Análisis de registros.
2. Descubrimiento y análisis de procesos.
3. Conformidad de procesos.
4. Monitorización predictiva y optimización.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Prácticas de laboratorio A9 A14 A15 A16 A20 A21 A31 A30 B2 B4 B5 B9 B10 C8 C9 11 25 36
Sesión magistral A8 A10 A12 A17 A22 A23 A28 A29 B1 B6 B7 C5 10 25 35
 
Atención personalizada 4 0 4
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Prácticas de laboratorio Están dirigidas a que el alumnado adquiera destreza en la implementación y el uso de las técnicas de minería de procesos. Se expondrá al alumno un proyecto que se deberá resolver a lo largo de la materia y cuya resolución requiere la comprensión y la aplicación de los contenidos teórico-prácticos incluidos en los contenidos de la materia.

Por tanto, en las prácticas de laboratorio se seguirá una metodología de aprendizaje por proyectos. La asistencia a estas prácticas de laboratorio es OBLIGATORIA.
Sesión magistral Están dirigidas a explicar los conceptos y las características de minería de procesos, haciendo especial énfasis en el tipo de problemas que resuelve y las distintas clases de técnicas que se podrían aplicar para resolver cada una de ellas. Además, en estas clases se hará referencia al proyectos que se desarrollará a lo largo de la materia, resaltando la problemática de cada uno de los aspectos que se deberán abordar para resolverlos.

Atención personalizada
Metodologías
Prácticas de laboratorio
Descripción
Durante las tutorías se atenderán las dudas que pudieran surgir como parte del desarrollo de las actividades docentes de la asignatura.

Evaluación
Metodologías Competéncias Descripción Calificación
Sesión magistral A8 A10 A12 A17 A22 A23 A28 A29 B1 B6 B7 C5 Examen en el que se demostrará el dominio de los aspectos teóricos de la minería de procesos. De deberá responder a un conjunto de cuestiones sobre los conceptos de proceso y de los distintos tipos de analíticas de proceso. 40
Prácticas de laboratorio A9 A14 A15 A16 A20 A21 A31 A30 B2 B4 B5 B9 B10 C8 C9 Realización de un proyecto que partirá desde la explicación del proceso y de los datos que son la entrada a las técnicas de minería de proceso y que el alumnado irá desarrollando a lo largo de la materia. En las prácticas, el alumnado tendrá que resolver las preguntas que se le planteen en cada momento, usando las técnicas más apropiadas para obtener información sobre las analíticas del proceso. 60
 
Observaciones evaluación

Si el alumno realiza la primera entrega del proyecto, se considerará como presentado en la materia.

OPORTUNIDAD DE RECUPERACIÓN

Los criterios de evaluación de las partes de teoría y práctica en la oportunidad de recuperación serán exactamente los mismos que para la oportunidad ordinaria. Por tanto, además de superar el examen de teoría y los boletines, para poder superar la materia será necesario que se hubiera asistido a las sesiones prácticas interactivas (con los criterios de asistencia indicados más abajo).

CONTROL DE ASISTENCIA

La asistencia a las sesiones prácticas interactivas es obligatoria debido la que en ellas se abordan conceptos clave de la materia, y el control de esta asistencia se realizará a través de hojas de firmas que se deberán cubrir a la finalización de cada una de las sesiones. Además, si se asiste a menos del 80% de las sesiones prácticas interactivas se considerará que no se superó la materia.


DETECCIÓN DE COPIA
En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la "Normativa de avaliación, revisión e reclamación das cualificacións dos estudos de grao e mestrado universitario de la Universidade da Coruña"

Fuentes de información
Básica

1. VAN DER AALST, Wil. Process Mining - Data Science in Action. 2a Edición, Springer 2016. ISBN 978-3-662-49850-7.

2. FLUXICON. https://fluxicon.com/book/read/

3. FERREIRA, Diogo R. A primer on process mining: Practical skills with Python and Graphviz. 2a Edición, Springer 2020. ISBN: 978-3-030-41818-2

Complementária


Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios

La asistencia a las prácticas de laboratorio es obligatoria y, además, la participación debería ser activa para así aprovechar de forma adecuada el tiempo. Será necesario un tiempo adicional para trabajar en los siguientes aspectos:

1. Estudio autónomo de los conceptos de minería de procesos. El tiempo dedicado a este estudio incluye lo necesario para preparar el examen teórico y también el tiempo que se precisa para entender los conceptos teóricos de forma que se puedan aplicar correctamente a la resolución de problemas.

2. Completar el desarrollo del proyecto. Este tiempo es necesario para que se complete el desarrollo del proyecto, más allá del avance que tenga lugar en las sesiones de prácticas. En este tiempo se podrá interiorizar la forma de resolver el problema expuesto, en la medida en la que las sesiones de prácticas se hará énfasis en entender el problema y los tipos de técnicas que son necesarios para abordarlos, mientras que los detalles necesarios para completar el problema se deberán realizar en el tiempo adicional de trabajo práctico.



(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías