Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Linguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación, Departamento externo vinculado ás titulacións
Áreas: Ciencia da Computación e Intelixencia Artificial, Área externa M.U en Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
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 as técnicas que permiten coñecer o que sucedeu e non o que se cre que sucede, e predictivo, no que se presentarán os principais retos da monitorización predictiva e as técnicas intelixentes que dan resposta aos devanditos retos.
TEORÍA
1. Concepto de proceso.
2. Rexistro de eventos.
3. Indicadores clave de negocio e de proceso.
4. Descubrimento de procesos.
5. Conformidade dos procesos.
6. Analíticas de procesos.
7. Monitorización preditiva.
8. Optimización de procesos.
PRÁCTICA
1. Análise de rexistros.
2. Descubrimento e análise de procesos.
3. Conformidade de procesos.
4. Monitorización preditiva e optimización.
BIBLIOGRAFÍA (por orden de prioridad)
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
O alumnado adquirirá un conxunto de competencias específicas dá minería de procesos, pero tamén unha serie de competencias básicas e xenéricas a calquera desenvolvemento dun sistema baseado en Inteligxencia Artificial e, finalmente, unhas competencias transversais que inciden nas habilidades persoais do estudiantado e na maneira na que se relaciona con alumnado restante. Tendo isto en conta, as competencias son as seguintes:
BÁSICAS
CB1 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación.
CB2 - Que os/as estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo.
CB4 - Que os/as estudantes saiban comunicar as súas conclusións ?e os coñecementos e razóns últimas que as sustentan? a públicos especializados e non especializados dun modo claro e sen ambigüidades.
CB5 - Que os/as estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirigido ou autónomo.
XENERAIS
CG1 - Manter e estender formulacións teóricas fundados para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo da Intelixencia Artificial.
CG2 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial.
CG4 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo.
CG5 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións.
TRANSVERSAIS
CT5 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.
CT9 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer prazos e cumprilos.
ESPECÍFICAS
CE11 - Comprensión e dominio das principais técnicas e ferramentas de análise de datos, tanto desde o punto de vista estatístico como da aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volumes de datos, e capacidade para seleccionar as máis adecuadas para a resolución de problemas.
CE16 - Coñecemento do proceso e as ferramentas para o procesamiento e preparación de datos desde a súa adquisición ou extracción, limpeza, transformación, carga, organización e acceso.
A metodoloxía de ensino está dirixida a centrar a atención sobre os aspectos prácticos da minería de procesos e sobre os conceptos que a diferencian das técnicas máis clásicas da minería de datos. Distínguense as clases maxistrais e as prácticas de laboratorio:
(1) As clases maxistrais (10 horas) están dirixidas a explicar os conceptos e as características da minería de procesos, facendo especial énfase ao tipo de problemas que resolve e ás distintas clases de técnicas que se poderían aplicar para resolver cada un deles. Ademais, 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.
(2) Prácticas de laboratorio (11 horas) están dirixidas a que o alumnado adquira destreza na implementación e uso das técnicas de minería de procesos. Exporase ao alumnado un proxecto que se deberá resolver ao longo da materia cuxa resolución require a comprensión e aplicación dos contidos teórico-prácticos incluídos nos contidos da materia. Por tanto, nas prácticas de laboratorio seguirase unha metodoloxía de aprendizaxe por proxectos. A asistencia a estas prácticas de laboratorio é OBRIGATORIA.
A avaliación da materia terá lugar de dúas maneiras diferentes, aínda que complementarias, que pretenden avaliar a competencia no dominio da minería de procesos. Por outra banda, distinguirase entre a avaliación da oportunidade común e a de recuperación:
OPORTUNIDADE ORDINARIA
(1) Exame no que se demostrará o dominio dos aspectos teóricos da minería de procesos. De deberá responder a un conxunto de cuestións sobre os conceptos de proceso e dos distintos tipos de analíticas de proceso. Esta parte representará o 40% da nota final da materia.
(2) Realización dun proxecto que partirá desde a explicación do proceso e dos datos que son a entrada ás técnicas de minería de proceso e que o alumnado irá desenvolvendo ao longo da materia. Nas prácticas, o alumnado terá que resolver as preguntas que se lle expoñan en cada momento, usando as técnicas máis apropiadas para obter información sobre as analíticas do proceso. Esta parte constituirá o 60% da nota final da materia.
Por último, se o alumno 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. Por tanto, ademais de superar o exame de teoría e os boletíns, para poder superar a materia será necesario que se asistiu ás sesións prácticas interactivas (cos criterios de asistencia indicados máis abaixo).
CONTROL DE ASISTENCIA
Tal e como se comentou anteriormente, a asistencia ás sesións prácticas interactivas é obrigatoria debido a que nelas se abordan conceptos crave da materia, e o control desta asistencia realizarase a través de follas de firmas que se deberán cubrir á finalización de cada unha das sesións. Ademais, se se agarraches a menos do 80% das sesións prácticas interactivas considerarase que non se superou a materia.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.
En aplicación da Normativa da ETSE sobre plaxio (aprobada pola Xunta dá ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso nas dúas oportunidades do curso, coa cualificación de 0,0 en ambos os casos.
Tal e como se indicou anteriormente, a asistencia ás prácticas de laboratorio é obrigatoria, e ademais esa participación debería ser activa para así aproveitar de forma adecuada o tempo. Ademais disto, necesitarase un tempo adicional para traballar nos seguintes aspectos:
(1) Estudo autónomo dos conceptos da minería de procesos (10 horas). O tempo dedicado a este estudo non só inclúe o necesario para preparar o exame teórico, senón tamén o tempo que se precisa para entender os conceptos teóricos de forma póidanse aplicar correctamente a resolución dos problemas.
(2) Completar o desenvolvemento do proxecto (55 horas). Este tempo é necesario para que se complete o desenvolvemento do proxecto, máis aló do avance que teña lugar nas sesións de prácticas. Neste tempo poderase interiorizar a forma de resolver o problema exposto, na medida en que nas sesións prácticas faise máis énfases 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.
Para poder aproveitar a materia e adquirir con certa fluidez os conceptos da minería de procesos é moi aconsellable aproveitar as clases de teoría e as prácticas de laboratorio, na medida en que, tal e como se presentou no programa e na metodoloxía docente, estas actividades están directamente relacionadas. Por outra banda, tamén é moi recomendable que o alumnado explore o material de soporte (páxinas web sobre tecnoloxía, tutoriales online das contornas de desenvolvemento, descrición de casos de éxito, etc.) no que se inclúen explicacións adicionais ás das clases presenciais e que axudan a entender e afianzar os conceptos da minería de procesos.
O idioma preferente de impartición das clases expositivas e interactivas é o inglés.
Manuel Lama Penin
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816427
- Correo electrónico
- manuel.lama [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
| Luns | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | Inglés | IA.12 |
| 18:30-20:00 | Grupo /CLIL_01 | Inglés | IA.12 |
| 03.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 03.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 10.07.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 10.07.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |