Modulets indhold, forløb og pædagogik

FORMÅL

Datalagring og dataanalyse er nøglebegreberne i datavidenskab, men en dataforsker skal også forstå de operationelle processer, der producerer dataene, for at klare komplekse scenarier og korrekt anvende avancerede analyseteknikker. Dette process mining kursus sigter mod at bygge bro mellem data-centrerede teknikker som datamining og maskinlæring og de traditionelle procesbaserede modeller.

Læringsmål

Viden

De studerende, der gennemfører dette kursus, bliver introduceret til den grundlæggende procesmodel og de analyseteknikker, der gør det muligt at udforske deres adfærd. Yderligere vil forskellige teknikker til procesopdagelse blive undersøgt med særlig fokus på hændelseslogfiler, der indeholder støj og/eller er ufuldstændige. De studerende vil også lære om overensstemmelsestest og tilpasning mellem procesmodellen og de reelle data samt teknikker til process mining i de store og mulige udvidelser med kvantitative aspekter som tid og sandsynligheder

Listen over emner kan omfatte:

• procesmodeller som overgangssystemer, automater, arbejdsgangsnet og forretningsprocesmodelleringsnotation

• grundlæggende procesanalyseteknikker som tilgængelighed, fastlåsning og registrering af sundhed

• procesopdagelsesteknikker, hændelseslogfiler, støj og ufuldstændighed og algoritmer til procesopdagelse

• avancerede process mining, f.eks. heuristisk mining, genetisk mining og induktiv mining

• overensstemmelseskontrol og justering samt process mining i det store

• mining af yderligere kvantitative egenskaber som tid, sandsynligheder og beslutningstagning

Færdigheder

• at forklare process mining metoden og forbinde den med data mining -modstykket

• at anvende de teknikker, der er diskuteret i forløbet, på konkrete eksempler

• at vurdere og forklare principperne bag både den algoritmiske del og overensstemmelse og tilpasning til reelle data, og

• at vælge og anvende teknikkerne til en konkret process mining casestudie, muligvis ved hjælp af automatiserede værktøjer

Kompetencer

• at evaluere og ræsonnere om forskellig process mining scenarier, og

• at udvikle gennemførlige tilgange til behandling af mining af reelle processer, herunder anvendelse af tilgængelige formalismer og værktøjsstøtte

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen jf. § 17

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854