Бакалавриат 2023/2024

Процесс-майнинг

Статус: Курс по выбору (Прикладная математика и информатика)

Направление: 01.03.02. Прикладная математика и информатика

Кто читает: Базовая кафедра ПАО Сбербанк «Финансовые технологии и анализ данных»

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Бугаенко Андрей Александрович

Язык: русский

Кредиты: 6

Контактные часы: 80

Программа дисциплины

Аннотация

Process Mining - это область науки и технологии, которая занимается анализом и оптимизацией бизнес-процессов на основе цифровых следов в автоматизированных системах. Курс предназначен ознакомить студентов общим понятиям Process Mining и делает акцент на различные типы неэффективностей в бизнес-процессах и метрики, которыми данные неэффективности можно обнаружить, а также получить компетенции по: работе с python-библиотекой SberPM, выбору data-майнера для отрисовки схемы бизнес-процессов, автоматическому поиску кейсов неэффективности бизнеса, прогнозированию бизнес процессов с помощью AutoML, поиску оптимальной структуры процесса с помощью RL, NLP-анализу текстовой информации в логах бизнес-процессов.

Цель освоения дисциплины

• Сформировать у студентов и слушателей компетенции необходимые для использования самостоятельного анализа бизнес-процессов с помощью Process Mining
• Сформировать у студентов и слушателей компетенции необходимые для использования machine learning в process mining.

Планируемые результаты обучения

• полученная теоретическая база методологии Process Mining
• знание типов неэффективностей
• знание основных метрик процессов
• ознакомление со специализированной платформой Sber Process Mining
• способность самостоятельно проводить исследования и находить кейсы не эффективности с помощью платформы SberPM
• способность самостоятельно проводить исследования и находить кейсы не эффективности с помощью Python библиотеки SberPM (в том числе на алгоритмах автоинсайтов)
• проведение NLP-анализа логов процесса
• получить прогноз структуры и метрик процесса в будущем
• способность определять оптимальную структуру бизнес-процесса с помощью RL

Содержание учебной дисциплины

• Знакомство с целями и требованиями к анализу
• Знакомство с Process Mining платформой.
• Классические процессные неэффективности.
• Классические процессные неэффективности. Классификации
• Бэнчмарки, глубинный поиск причин. Анализ SLA. Углубление в причины "пинг-понга-а"
• Техники углубленного анализа, анализ дополнительных атрибутов.
• Введение в Process Mining. Python-библиотека SberPM.
• Roadmap PM исследований. Автоинсайты. Поиск аномалий.
• NLP
• Прогнозирование. AutoML.
• Happy path. RL. AutoRL.
• Факторные анализы. Соревновательные модели. Обзор ML-задач для Process Mining с «продвинутым» стеком
• Платформа

Элементы контроля

• Тестирование
  Индивидуальное задание
• Учебный кейс 1
  Групповое задание
• Учебный кейс 2
  Групповое задание
• Кейсы
  Групповое задание
• Мини-проект
  Групповое задание
• Квизы
  Индивидуальное задание
• Экзамен

Промежуточная аттестация

• 2023/2024 4th module
  0.12 * Квизы + 0.125 * Кейсы + 0.125 * Мини-проект + 0.3 * Тестирование + 0.05 * Учебный кейс 1 + 0.15 * Учебный кейс 2 + 0.13 * Экзамен

Список литературы

Рекомендуемая основная литература

• Aalst, W. van der. (2011). Process Mining : Discovery, Conformance and Enhancement of Business Processes. Heidelberg: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=372196
• Aalst, W. van der. (2016). Process Mining : Data Science in Action (Vol. Second edition). Heidelberg: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1203872
• Diogo R. Ferreira. (2017). A Primer on Process Mining : Practical Skills with Python and Graphviz. Springer.
• Multi-perspective process mining. (2018). Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsnar&AN=edsnar.oai.pure.tue.nl.publications.b40869c0.2d11.4016.a92f.8e4ee9cd9d66
• Введение в машинное обучение с помощью Python : руководство для специалистов по работе с данными, Мюллер, А., 2018

Рекомендуемая дополнительная литература

• Process mining: data science in action. (2016). Springer. https://doi.org/10.1007/978-3-662-49851-4
• Анализ данных в науке и технике : машинное обучение, динамические системы и управление, Брантон, С. Л., 2021

Авторы

• Яковлева Илона Александровна