Guía docente de Minería de Procesos (M51/56/3/37)

Curso 2022/2023
Fecha de aprobación por la Comisión Académica 05/07/2022

Máster

Máster Universitario en Ciencia de Datos e Ingeniería de Computadores

Módulo

Módulo de Modelos Avanzados de Ciencias de Datos

Rama

Ingeniería y Arquitectura

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Segundo

Créditos

3

Tipo

Optativa

Tipo de enseñanza

Presencial

Profesorado

  • Luis Castillo Vidal
  • Juan Fernández Olivares

Horario de Tutorías

Luis Castillo Vidal

Email
  • Tutorías 1º semestre
    • Lunes 15:30 a 17:30 (D25 Etsiit)
    • Martes 15:30 a 17:30 (D25 Etsiit)
    • Miércoles 15:30 a 17:30 (D25 Etsiit)
  • Tutorías 2º semestre
    • Lunes 11:30 a 13:30 (D25 Etsiit)
    • Martes 11:30 a 13:30 (D25 Etsiit)
    • Miércoles 11:30 a 13:30 (D25 Etsiit)

Juan Fernández Olivares

Email
  • Tutorías 1º semestre
    • Martes 11:00 a 14:00 (D24 Etsiit)
    • Miércoles 11:00 a 14:00 (D24 Etsiit)
  • Tutorías 2º semestre
    • Martes 10:00 a 13:00 (D24 Etsiit)
    • Miércoles 10:00 a 13:00 (D24 Etsiit)

Breve descripción de contenidos (Según memoria de verificación del Máster)

  • Introducción a la  minería de procesos.
  • Soporte a la decisión en minería de procesos con planificación automática.
  • Aprendizaje y descubrimiento de procesos mediante planificación automática.

Prerrequisitos y/o Recomendaciones

Sin requisitos previos.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. 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.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. 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 ambigüedades.
  • CB10. 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.

Competencias Generales

  • CG01. Capacidad de acceso y gestión de la información 
  • CG02. Capacidad de análisis y síntesis 
  • CG03. Capacidad de organización y planificación 
  • CG05. Capacidad para tomar decisiones de forma autónoma 
  • CG08. Capacidad para trabajar en equipo 

Competencias Específicas

  • CE05. Capacidad para modelar y resolver problemas reales o académicos mediante técnicas de ciencia de datos 
  • CE06. Capacidad para modelar y resolver problemas reales o académicos mediante tecnologías inteligentes o de inteligencia computacional. 
  • CE07. Capacidad de utilización de herramientas avanzadas para modelar y resolver problemas en los que se dispone de un tamaño enorme de datos. 
  • CE08. Conocer algunas de las principales aplicaciones de la ciencia de datos y de las tecnologías inteligentes 

Competencias Transversales

  • CT01. Ser consciente de la importancia del desarrollo sostenible y demostrar sensibilidad medioambiental. 
  • CT02. Ser consciente del derecho a la no discriminación y al acceso universal al conocimiento de las personas con discapacidad. 

Resultados de aprendizaje (Objetivos)

  • Conocer la problemática de generar procesos personalizados en entornos dinámicos y no estructurados: analítica prescriptiva y soporte a la decisión online.
  • Conocer las distintas técnicas de análisis de datos que pueden extraer el conocimiento necesario para la generación de procesos personalizados y las principales dificultades en la aplicación de estas técnicas.
  • Aprender a aplicar técnicas para la identificación de los objetivos y parámetros de búsqueda a partir de datos históricos.
  • Conocer la aplicación de técnicas análisis para la extracción de conocimiento de control a partir de trazas de búsquedas.
  • Aprender a aplicar técnicas para la minería de procesos personalizados y fragmentos de procesos a partir de logs de eventos: descubrimiento de procesos, auditoría de procesos y perfeccionamiento de procesos.
  • Aprender cómo se aplican las herramientas de minería de procesos ProM y Disco para el generador de procesos en IActive Knowledge Studio.

Programa de contenidos Teóricos y Prácticos

Teórico

  • Tema1: Minería de Procesos:
    • Aprender a aplicar técnicas para la minería de procesos personalizados y fragmentos de procesos a partir de logs de eventos: descubrimiento de procesos, auditoría de procesos y perfeccionamiento de procesos
  • Tema2: Planificación automática
    • Conocer qué son los modelos prescriptivos, como realización integral de la analítica e inteligencia de negocio, y la  planificación automática como técnica para representar modelos prescriptivos para toma de decisiones.
    • Conocer la problemática de generar procesos personalizados en entornos dinámicos y no estructurados: Adaptive Case Management (ACM), Intelligent Business Process Management (IBPM),Robotic Process Automation (RPA) y su relación con la planificación automática (de procesos)
  • Tema3: Descubrimiento de procesos y Aprendizaje en Planificación Automática:
    • Conocer las distintas técnicas de análisis de datos que pueden extraer el conocimiento necesario para la generación de procesos personalizados y las principales dificultades en la aplicación de estas técnicas
    • Aprender a aplicar técnicas para reconocimiento de objetivos a partir de datos históricos
    • Conocer la aplicación de técnicas análisis para la extracción de conocimiento a partir de trazas de búsquedas

Práctico

  • Práctica 1. Minería de procesos con el programa DIsco de Fluxicon
  • Práctica 2. Generación dinámica de procesos con IActive Knowledge Studio
  • Práctica 3. Integración manual de Disco e IActive Knowledge Studio

Bibliografía

Bibliografía fundamental

  • S. Jiménez, T. De la Rosa, S. Fernández, F. Fernández, D. Borrajo: A review of machine learning for automated planning, The Knowledge Engineering Review, vol. 27, no. 04, pp. 433–467, 2012
  • Manalastas: Process Mining for Intelligent Planning and Scheduling in Adaptive Case Management Environments. University of Granada. 2012.
  • W. van der Aalst: Process Mining. Discovery, Conformance and Enhancement of Business Processes. Springer Verlag, 2011.
  • The Nature of Knowledge Work. In: Swenson,K. Mastering the Unpredictable: How Adaptive Case  Management Will Revolutionize the Way That Knowledge Workers Get Things Done, ch. 1, pp. 12. Meghan-Kier Press, Florida (2010)
  • H. M. Ferreira, D. R. Ferreira: An integrated life cycle for workflow management based on learning and planning, International Journal of Cooperative Information Systems, vol. 15, no. 04, pp. 485–505, 2006
  • W. van der Aalst, A. ter Hofstede, M. Weske: Business Process Management: A Survey. In: Weske, M. (ed.) LNCS, vol. 2678, pp. 1-12. Springer, Berlin/Heidelberg (2003)
  • F. Palao, J. Fdez-Olivares, L. Castillo, O. Garcıa: An extended HTN knowledge representation based on a graphical notation. Workshop on Knowledge Engineering for Planning and Scheduling. ICAPS Conf. p.126-135. 2011

Enlaces recomendados

  • Sitio web del Máster Universitario Oficial en Ciencia de Datos e Ingeniería de Computadores: http://masteres.ugr.es/datcom/
  • Página web del Barabasi Lab, Northeastern University: http://barabasilab.com/
  • Página web del libro electrónico Introduction to Agent-Based Modeling, incluyendo modelos en Netlogo, M.A. Jansen, http://www.openabm. org/book/introduction-agent-based-modeling
  • Página web de modelos en Netlogo NetLearn: Interactive demonstrations of network concepts, Lada Adamic, http://www.ladamic.com/netlearn/Herramienta ProM, http://www.processmining.org/prom/start
  • Download and install Disco Process miner (windows)
    • https://fluxicon.com/disco/ 
    • Follow on screen instructions and request an academic license
  • Download IActive Knowledge Studio (windows)
    • 64 bits 
      • https://drive.google.com/open?id=1Y5Kj8_zu7uQSUteuEXPY70B0hgI15cNu 
      • Just extract
    • 32 bits
      • https://drive.google.com/open?id=1ojslI9Cz-_i8KsT0VDQo2Mwjve6xJcNq
        • Just extract
  • Guided tour (Spanish)
    • https://drive.google.com/open?id=1PxIdx9ggyZxJMeCrcmHn5NVJMNVqOMXF
  • License key
    • https://drive.google.com/open?id=1S6WxVIRdn6dCyOb3d58-jxA7H9U_xu9Q
    • Copy into folder "configuration" or copy/paste into the licence window after first use

Metodología docente

  • MD01 Lección magistral/expositiva 
  • MD02 Resolución de problemas y estudio de casos prácticos 
  • MD03 Prácticas de laboratorio 
  • MD04 Seminarios 
  • MD05 Análisis de fuentes y documentos 
  • MD06 Realización de trabajos en grupo 
  • MD07 Realización de trabajos individuales 
  • MD08 Seguimiento del TFM 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

Todo lo relativo a la evaluación se regirá por la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada. El sistema de calificaciones se expresará mediante calificación numérica de acuerdo con lo establecido en el art. 5 del R. D 1125/2003, de 5 de septiembre, por el que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y validez en el territorio nacional.

La metodología de evaluación por defecto según la normativa de la Universidad de Granada es la evaluación continua, que en el caso de esta asignatura se compone de los siguientes elementos:

  1. Evaluación de la Parte Teórica: se realiza con un examen final presencial con preguntas de tipo test exámenes sobre conceptos generales de la asignatura. Se evalúa sobre 4,5 puntos.
  2. Evaluación de la Parte Práctica: se realizará una práctica por cada uno de los tres bloques de la asignatura (1,5 puntos cada una). Será una práctica básica que se podrá realizar prácticamente en su integridad en el horario de prácticas. 
  3. Evaluación de los Seminarios y otras actividades: se tendrá en cuenta la participación del alumno, vía contribuciones por correo electrónico o foros así como los problemas propuestos que hayan sido resueltos y entregados por los alumnos (que también podrán realizarse a distancia). Estas actividades se valorarán con 1 punto.

Evaluación Extraordinaria

En las convocatorias extraordinarias se utilizará la evaluación única final, tal y como se describe en la sección correspondiente.

 

Evaluación única final

Alternativamente a la evaluación continua, el alumno puede optar por la evaluación única final según lo dispuesto en la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada (http://secretariageneral.ugr.es/pages/normativa/ugr/ncg7121). Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura, lo solicitará al Coordinador del Máster, quienes darán traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua. 

La evaluación única final se realizará en un solo acto académico. Dicha prueba (evaluada de 0 a 10) incluirá pruebas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta guía docente.

Información adicional

La asistencia a las clases presenciales no será obligatoria, aunque la participación en las actividades planteadas será tenida en cuenta en el sistema de evaluación continua, pudiendo realizarse de forma no presencial.