Datos Identificativos 2022/23
Asignatura (*) Minería de Procesos Código 614544025
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Optativa 3
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
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/
Descrición xeral 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 do título
Código Competencias do título
A8 CE07 - capacidade para entender as implicacións do desenrolo dun sistema intelixente explicable e interpretable
A9 CE08 - capacidade para deseñar e desenvolver sistemas intelixentes seguros, en términos de integridade, confidencialidade e robustez
A10 CE09 - capacidade para ter un coñecemento profundo dos principios fundamentáis e modelos da computación cuántica e sabelos aplicar para interpretar, seleccioar, valorar, modelar, e crear novos conceptos, teorías, usos e desenrolos tecnolóxicos relacionados coa intelixencia artificial
A12 CE11 - Comprensión e dominio das principáis técnicas e ferramentas de análisis de datos, tanto dende o punto de vista estatístico como da aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volúmenes de datos, e capacidade para seleccioar as máis axeitadas para a resolución de problemas
A14 CE13 - coñecemento das ferramentas informáticas no campo do análisis dos datos e modelización estadística, e capacidade para seleccionar as máis axeitadas para a resolución de problemas
A15 CE14 - Comprensión e dominio das principáis técnicas de aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volúmenes de datos. Compresión e dominio de fundamentos e técnicas básicas para a búsqueda e o filtrado de información en grandes coleccións de datos
A16 CE15 - coñecemento das ferramentas informáticas no campo da aprendizaxe automática, e capacidade para seleccionar a máis axeitad para a resolución dun problema
A17 CE16 - coñecemento do proceso e as ferramentas para o procesamento e preparación de datos dende a súa adquisición ou extracción, limpeza, transformación, carga, organización e acceso
A20 CE19 - coñecemento de diferentes ámbitos de aplicación das tecnologías basadas en IA e a súa capacidade para ofrecer un valor engadido diferenciador
A21 CE20 - capacidade de combinar e adaptar diferentes técnicas, extrapolando coñecementos entre diferentes ámbitos de aplicación
A22 CE21 - coñecemento das técnicas que facilitan a organización e xestión de proxectos en IA en entornos reais, a xestión dos recursos e a planificación de tarefas dun xeito eficiente, tendo en conta conceptos de diseminación do coñecemento e ciencia aberta
A23 CE22 - coñecemento de técnicas que facilitan a seguridade dos datos, aplicacións e as comunicacións e as súas implicacións en diferentes ámbitos de aplicación da IA
A28 CE27 - Comprensión da importancia da cultura emprendedora e coñecemento dos medios ao alcance das persoas emprendedoras
A29 CE28 - coñecemento adecuado do concepto de empresa, a súa organización e xestión, e os distintos sectores empresariáis có obxectivo de facilitar solucións dende a intelixencia Artificial
A30 CE29 - Ser capaz de aplicar os coñecementos, capacidades e actitudes á realidade empresarial e profesional, planificando, xestionando e evaluando proxectos no ámbito da intelixencia artificial
A31 CE30 - Ser capaz de plantexar, modelar e resolver problemas que requiran a aplicación de métodos, técnicas e tecnoloxías de intelixencia artificial
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B2 CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial
B4 CG04 - Elaborar axeitadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo
B5 CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B9 CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades
B10 CB05 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo
C5 CT05 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade
C9 CT09 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer plazos e cumplilos

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer as principales técnicas de descubrimento de procesos e ser capaz de seleccionar a máis axeitada para un dominio dado. AM7
AM13
AM14
AM16
AM28
 BM7
BM9
 CM5
CM9
Saber aplicar as técnicas de busca e optimización para a verificación da conformidade dun proceso. AM15
AM29
AM30
 BM9
 CM8
Coñecer e desenvolver solucións baseadas en intelixencia artificial para monitorización preditiva. AM9
AM11
AM16
 BM4
BM7
BM10
 CM9
Entender e resolver os problemas de optimización en procesos de negocio. AM21
 BM5
BM9
 CM9
Coñecer e comprender as métricas de calidade dun proceso. AM11
AM22
 BM6
 CM5
Coñecer os principais problemas que resolve a minería de procesos. AM8
AM19
AM20
AM27
 BM1
BM2
BM6
BM7
BM10
 CM5
CM8

Contidos
Temas Subtemas
TEORÍA 1. Concepto de proceso.
2. Rexistro de eventos.
3. Indicadores chave de negocio e de proceso.
4. Descubrimento de procesos.
5. Conformidade dos procesos.
6. Analíticas de procesos.
7. Monitorización preditiva.
8. Optimización de procesos.
PRÁCTICAS 1. Análise de rexistros.
2. Descubrimento e análise de procesos.
3. Conformidade de procesos.
4. Monitorización preditiva e optimización.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A9 A14 A15 A16 A20 A21 A31 A30 B2 B4 B5 B9 B10 C8 C9 11 25 36
Sesión maxistral A8 A10 A12 A17 A22 A23 A28 A29 B1 B6 B7 C5 10 25 35
 
Atención personalizada 4 0 4
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Están dirixidas a que o alumando adquira destreza na implementación e uso das téncicas de minería de procesos. Expondrase ao alumnado un proxecto que se deberá resolver ao longo da materia. A resolución deste proxecto require a comprensión e a aplicación dos contidos teórico-prácticos incluidos nos contidos da materia.

Polo tanto, nas prácticas de laboratorio seguirase unha metodoloxía de aprendizaxe por proxectos. A asistencia a estas prácticas de laboratorio é OBRIGATORIA.
Sesión maxistral Están dirixidas a explicar os conceptos e as características de minería de procesos, facendo especial énfasis no tipo de problemas que resolve e as distintas clases de técnicas que se poderán aplicar para resolver cada unha delas.
Ademáis, nestas clases farase referencia ao proxecto que se desenvolverá ao longo da materia, resaltando a problemática de cada un dos aspectos que se deberán abordar para resolvelos.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Descrición
Durante as titorías se atenderán as dúbidas que puideran xurdir como parte do desenvolvemento das actividades docentes da asignatura.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Sesión maxistral A8 A10 A12 A17 A22 A23 A28 A29 B1 B6 B7 C5 Exame no que se demostrará o dominio dos aspectos teóricos da minería de procesos.
Deberase responder a un conxunto de cuestións sobre os conceptos de proceso e dos distintos tipos de analísticas de proceso. 		40
Prácticas de laboratorio A9 A14 A15 A16 A20 A21 A31 A30 B2 B4 B5 B9 B10 C8 C9 Realización dun proxecto que partirá desde a explicación do proceso e dos datos que son a entrada ás técnicas de minería de procesos e que o alumnado desenvolverá ao longo da materia. Nas prácticas, o alumnado terá que resolver as preguntas que se planteen en cada momento, usando as técncias máis apropiadas para obter información sobre as analíticas do proceso. 60
 
Observacións avaliación

Se o alumnado realiza a primeira entrega do proxecto, considerarase como presentado na materia.

OPORTUNIDADE DE RECUPERACIÓN

Os criterios de avaliación das partes de teoría e práctica na oportunidade de recuperación serán exactamente os mesmos que para a oportunidade ordinaria. Polo tanto, ademáis de superar o exame de teoría e os boletíns, para poder superar a materia será necesario asistir ás sesións prácticas interactivas (cos criterios de asistencia indicados máis abaixo).

CONTROL DE ASISTENCIA

A asistencia ás sesións prácticas interactivas é obrigatoria debido a que nelas se abordan conceptos chave da materia, o control de asistencia realizarase a través de follas de firmas que se deberán encher á finalización de cada unha das desións. Ademáis, se o/a alumno/a asiste a menos do 80% das sesións prácticas interactivas considerarase que non superou a materia.

DETECCIÓN DE COPIA

No caso da realización fraudulenta de exercicios ou probas, será de aplicación o recollido na Normativa de avalización, revisión e reclamación das cualificación dos estudos de grao e mestrao universitario da Universidade da Coruña.

Normativa: Normas_avaliacion_revision_reclamacion_consolidado_l.pdf_2063069239.pdf (udc.es)

Fontes de información
Bibliografía 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
Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

A asitencia ás prácticas de laboratorio é obrigatoria e, ademáis, a participación debería ser activa para así aproveitar de forma adecuada o tempo. Será necesario un tempo adicional para traballar nos seguintes aspectos:

1. Estudo autónomo dos concepto de minería de procesos. O tempo dedicado a este estudio inclúe o necesario para preparar o exame teórico e tamén o tempo que se precisa para entender os conceptos teóricos de forma que se poidan aplicar correctamente á resolución de problemas.

2. Completar o desenvolvemento do proxecto. Este tempo é necesario para que se complete o desenvolvemento do proxecto, máis alá do avance que teña lugar nas sesións de prácticas. Neste tempo poderase interiorizar a forma de resolver o problema exposto, na medida na que as sesión prácticas farase énfasis en entender o problema e os tipos de técnicas que son necesarios para abordalo, mentres que os detalles necesarios para completar o problema deberanse realizar no tempo adicional de traballo práctico.


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías