Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
DATA SCIENCE
Insegnamento
PROCESS MINING
SCP7079235, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
DATA SCIENCE
SC2377, ordinamento 2017/18, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese PROCESS MINING
Sito della struttura didattica http://datascience.scienze.unipd.it/2019/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Nessun docente assegnato all'insegnamento

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
SCP7079235 PROCESS MINING -- SC1176

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Tecnologie dell'informatica INF/01 3.0
CARATTERIZZANTE Tecnologie dell'informatica ING-INF/05 3.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2017

Syllabus
Prerequisiti: Basic notions of algorithms, data structures and programming.
Conoscenze e abilita' da acquisire: The aim of the course is to introduce and investigate the main methods and concepts that pertain the modeling and analysis of business processes. More in detail, the course will focus on the main modeling languages (BPMN, Petri Nets, and Declare), on the main methodologies for manual modeling and analysis and on the main algorithms for the (semi)automatic modeling and analysis (the so-called process mining). By exploiting concrete software platforms several algorithms will be also investigated in a 'hands-on' fashion on real data.
At the end of the course the students should have a detailed knowledge of the main methods and concepts of business process modeling e mining, of the main metrics used to support the analysis of business processes and of the main algorithms of process mining.
Modalita' di esame: Written exam and project. The project is due and has to be discussed by the end of the course.
Criteri di valutazione: The project work, and the written exam, will be evaluated on the basis of the following criteria: i) student’s knowledge of the concepts, methods, and technologies; ii) ability of the student to master the implementation technology; iii) student’s capacity for synthesis, clarity, and abstraction, as demonstrated by the written exam and project presentation. The final grade is obtained as the weighted sum of the grades of the written exam (80%) and the project (20%)
Contenuti: The course will cover the topics listed below:

1. MODELING AND ANALISYS: THE BPMN PERSPECTIVE
- Process Identification
- Essential and Advanced Process Modeling in BPMN
- Qualitative Analysis
- Quantitative Analysis
- Process redesign

2. MODELING AND ANALISYS: THE PETRI NET PERSPECTIVE
- An introduction to Petri Nets
- Petri nets and colored petri nets
- Simulation based analysis
- Reachability and coverability analysis
- Process modeling and analysis with PN

3. PROCESS MINING
- Data & Process mining
- Getting the data: the construction of event logs
- An introduction to Process discovery
- Advanced process discovery
- Conformance checking - replay based
- Conformance checking - logic based
- Mining additional perspectives
- Typical use cases, e.g., medical processes

4. DECLARATIVE APPROACHES
- Declarative approaches and Declare
- Declarative process mining (discovery in Declare) and hybrid approaches

5. PREDICTIVE PROCESS MONITORING
- Basic Predictive Process Monitoring techniques
- Advanced Predictive Process Monitoring techniques
Attivita' di apprendimento previste e metodologie di insegnamento: The course consists of lectures. Some practical activities and exercises will require the use of computers.
Eventuali indicazioni sui materiali di studio: Slides, exercises and scientific papers will be provided.
Testi di riferimento: