آموزش فرآیندکاوی: علم داده در عمل - آخرین آپدیت

مقدمه و داده‌کاوی Introduction and Data Mining

• پیش‌زمینه دوره و اطلاعات کاربردی Course Background and Practical Information

• 1.1: علم داده و داده‌های کلان 1.1: Data Science and Big Data

• 1.2: انواع مختلف فرآیندکاوی 1.2: Different Types of Process Mining

• 1.3: رابطه فرآیندکاوی با داده‌کاوی 1.3: How Process Mining Relates to Data Mining

• 1.4: یادگیری درخت‌های تصمیم 1.4: Learning Decision Trees

• 1.5: کاربرد درخت‌های تصمیم 1.5: Applying Decision Trees

• 1.6: یادگیری قوانین تداعی 1.6: Association Rule Learning

• 1.7: تحلیل خوشه‌بندی 1.7: Cluster Analysis

• 1.8: ارزیابی نتایج استخراج 1.8: Evaluating Mining Results

• معرفی Fluxicon و Disco Introducing Fluxicon & Disco

• جلسه کاربردی 01: سناریوی دمو (7 دقیقه) Real Life Session 01: The Demo Scenario (7 min.)

• جلسه کاربردی 02: کشف و ساده‌سازی فرآیند (11 دقیقه) Real Life Session 02: Process Discovery and Simplification (11 min.)

• جلسه کاربردی 03: آمار، کیس‌ها و گونه‌ها (8 دقیقه) Real Life Session 03: Statistics, Cases and Variants (8 min.)

• جلسه کاربردی 04: تحلیل گلوگاه‌ها (7 دقیقه) Real Life Session 04: Bottleneck Analysis (7 min.)

• جلسه کاربردی 05: تحلیل انطباق (6 دقیقه) Real Life Session 05: Compliance Analysis (6 min.)

• جلسه کاربردی 06: نکته 1 - تهیه نسخه‌های پشتیبان از تحلیل‌ها (4 دقیقه) Real Life Session 06: Tip 1 - Keep Copies of your Analyses (4 min.)

• جلسه کاربردی 07: نکته 2 - بررسی دیدگاه‌های مختلف از فرآیند (7 دقیقه) Real Life Session 07: Tip 2 - Take Different Views on your Process (7 min.)

• جلسه کاربردی 08: نکته 3 - خروجی گرفتن از نتایج (4 دقیقه) Real Life Session 08: Tip 3 - Exporting Results (4 min.)

مدل‌های فرآیند و کشف فرآیند Process Models and Process Discovery

• 2.1: لاگ‌های رویداد و مدل‌های فرآیند 2.1: Event Logs and Process Models

• 2.2: شبکه‌های پتری (بخش اول) 2.2: Petri Nets (1/2)

• 2.3: شبکه‌های پتری (بخش دوم) 2.3: Petri Nets (2/2)

• 2.4: سیستم‌های انتقال و ویژگی‌های شبکه پتری 2.4: Transition Systems and Petri Net Properties

• 2.5: شبکه‌های جریان کاری و سلامت مدل 2.5: Workflow Nets and Soundness

• 2.6: الگوریتم آلفا: یک الگوریتم کشف فرآیند 2.6: Alpha Algorithm: A Process Discovery Algorithm

• 2.7: الگوریتم آلفا: محدودیت‌ها 2.7: Alpha Algorithm: Limitations

• 2.8: معرفی ProM و Disco 2.8: Introducing ProM and Disco

انواع مختلف مدل‌های فرآیند Different Types of Process Models

• 3.1: چهار معیار کیفی برای کشف فرآیند 3.1: Four Quality Criteria For Process Discovery

• 3.2: درباره سوگیری بازنمایی در فرآیندکاوی 3.2: On The Representational Bias of Process Mining

• 3.3: مدل‌سازی و نمادگذاری فرآیندهای کسب‌وکار (BPMN) 3.3: Business Process Model and Notation (BPMN)

• 3.4: گراف‌های وابستگی و شبکه‌های علی 3.4: Dependency Graphs and Causal Nets

• 3.5: یادگیری گراف‌های وابستگی 3.5: Learning Dependency Graphs

• 3.6: یادگیری شبکه‌های علی و حاشیه‌نویسی آن‌ها 3.6: Learning Causal nets and Annotating Them

• 3.7: یادگیری سیستم‌های انتقال 3.7: Learning Transition Systems

• 3.8: استفاده از نواحی برای کشف هم‌روندی 3.8: Using Regions to Discover Concurrency

تکنیک‌های کشف فرآیند و بررسی انطباق Process Discovery Techniques and Conformance Checking

• 4.1: کشف فرآیند دو مرحله‌ای و محدودیت‌های آن 4.1: Two-Phase Process Discovery And Its Limitations

• 4.2: تکنیک‌های جایگزین برای کشف فرآیند 4.2: Alternative Process Discovery Techniques

• 4.3: مقدمه‌ای بر بررسی انطباق 4.3: Introduction to Conformance Checking

• 4.4: بررسی انطباق با استفاده از ردپاهای علی 4.4: Conformance Checking Using Causal Footprints

• 4.5: بررسی انطباق با استفاده از بازپخش مبتنی بر توکن 4.5: Conformance Checking Using Token-Based Replay

• 4.6: بازپخش مبتنی بر توکن: نمونه‌هایی کاربردی 4.6: Token Based Replay: Some Examples

• 4.7: هم‌راستاسازی رفتار مشاهده شده و مدل شده 4.7: Aligning Observed and Modeled Behavior

• 4.8: کاوش در داده‌های رویداد 4.8: Exploring Event Data

غنی‌سازی مدل‌های فرآیند Enrichment of Process Models

• 5.1: درباره دو هفته پایانی این دوره 5.1: About the Last Two Weeks of This Course

• 5.2: استخراج نقاط تصمیم‌گیری 5.2: Mining Decision Points

• 5.3: کشف شبکه‌های پتری آگاه به داده 5.3: Discovering Data Aware Petri Nets

• 5.4: استخراج گلوگاه‌ها 5.4: Mining Bottlenecks

• 5.5: استخراج شبکه‌های اجتماعی 5.5: Mining Social Networks

• 5.6: استخراج سازمانی 5.6: Organizational Mining

• 5.7: ترکیب دیدگاه‌های مختلف 5.7: Combining Different Perspectives

• 5.8: فرآیندکاوی مقایسه‌ای با استفاده از مکعب‌های فرآیند 5.8: Comparative Process Mining Using Process Cubes

• 5.9: چارچوب اصلاح‌شده فرآیندکاوی 5.9: Refined Process Mining Framework

پشتیبانی عملیاتی و نتیجه‌گیری Operational Support and Conclusion

• 6.1: پشتیبانی عملیاتی: شناسایی، پیش‌بینی و توصیه 6.1: Operational Support: Detect, Predict and Recommend

• 6.2: دستیابی به داده‌های رویداد مناسب 6.2: Getting the Right Event Data

• 6.3: دستورالعمل‌های ثبت لاگ 6.3: Guidelines for Logging

• 6.4: نرم‌افزارهای فرآیندکاوی 6.4: Process Mining Software

• 6.5: نحوه اجرای یک پروژه فرآیندکاوی 6.5: How to Conduct a Process Mining Project

• 6.6: استخراج فرآیندهای لایه‌لایه (Lasagna) 6.6: Mining Lasagna Processes

• 6.7: استخراج فرآیندهای درهم‌تنیده (Spaghetti) 6.7: Mining Spaghetti Processes

• 6.8: مدل‌های فرآیند به عنوان نقشه 6.8: Process Models as Maps

• 6.9: علم داده در عمل 6.9: Data Science in Action