Toda organización está estructurada sobre un conjunto de procesos que definen su operación. Para poder gestionar sus procesos, las organizaciones utilizan modelos que permiten analizarlos y mejorarlos de forma continua. En esta asignatura veremos como la ciencia de datos puede contribuir significativamente a mejorar la manera en que las organizaciones gestionan y mejoran sus procesos de negocio.
Profesorado
Responsable
Carlos Escolano Peinado (
)
Otros
Aysel Palacios Ardanuy (
)
Horas semanales
Teoría
1.9
Problemas
0
Laboratorio
1.9
Aprendizaje dirigido
0
Aprendizaje autónomo
6.85
Competencias
Competencias Transversales
Uso solvente de los recursos de información
CT4 - Gestionar la adquisicion, la estructuracion, el analisis y la visualizacion de datos e informacion en el ambito de la especialidad y valorar de forma critica los resultados de esta gestion.
Lengua extranjera
CT5 - Conocer una tercera lengua, preferentemente el inglés, con un nivel adecuado oral y escrito y en consonancia con las necesidades que tendrán los titulados y tituladas.
Espíritu emprendedor e innovador
CT1 - Conocer y entender la organización de una empresa y las ciencias que rigen su actividad; tener capacidad para entender las normas laborales y las relaciones entre la planificación, las estrategias industriales y comerciales, la calidad y el beneficio. Conocer y entender los mecanismos en que se basa la investigación científica, así como los mecanismos e instrumentos de transferencia de resultados entre los diferentes agentes socioeconómicos implicados en los procesos de I+D+i.
Básicas
CB6 - 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.
CB7 - 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.
CB8 - 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.
CB9 - 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.
CB10 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
Competencias Técnicas Genéricas
Genéricas
CG2 - Identificar y aplicar métodos de análisis, extracción de conocimiento y visualización de datos recogidos en formatos muy diversos.
CG3 - Definir, diseñar e implementar sistemas complejos que cubran todas las fases en proyectos de ciencia de datos
Competencias Técnicas
Específicas
CE5 - Modelar, diseñar e implementar sistemas complejos de datos, incluyendo la visualización de datos
CE6 - Diseñar el proceso de Ciencia de Datos y aplicar metodologías científicas para obtener conclusiones sobre poblaciones y tomar decisiones en consecuencia, a partir de datos estructurados o no estructurados y potencialmente almacenados en formatos heterogéneos.
CE7 - Identificar las limitaciones impuestas por la calidad de datos en un problema de ciencia de datos y aplicar técnicas para disminuir su impacto
CE9 - Aplicar métodos adecuados para el análisis de otro tipo de formatos, tales como procesos y grafos, dentro del ámbito de ciencia de datos
CE13 - Identificar las principales amenazas en el ámbito de la ética y la privacidad de datos en un proyecto de ciencia de datos (tanto en el aspecto de gestión como de análisis de datos) y desarrollar e implantar medidas adecuadas para mitigar dichas amenazas.
Objetivos
Conocer el conjunto de problemas teóricos y prácticos que constituyen la ciencia de datos orientada a procesos, y comprender los principales algoritmos para abordarlos: tanto a nivel conceptual como a nivel de su aplicación a través de algunas de las herramientas y librerías actuales.
Competencias relacionadas:
CB10,
CB7,
CB9,
CT4,
CT5,
CE13,
CE5,
CE6,
CE7,
CE9,
CG2,
CG3,
Adquirir y demostrar capacidad para poner en práctica los conocimientos adquiridos durante el curso, y relacionarlos con las perspectivas organizativas y de equipo como un proyecto de ciencia de datos orientado a procesos que se ejecuta en una organización real.
Competencias relacionadas:
CB6,
CB8,
CT1,
Contenidos
Modelos de procesos y datos de eventos
Describing the concepts of process models and event data
Descubrimiento automático de modelos de procesos
Overview on the different techniques to mine process models from event data
Verificación de conformidad entre modelos de procesos y datos de eventos
The main techniques to relate observed and modeled behavior will be introduced
Mejora de procesos basada en la evidencia de los datos
Techniques to improve and extend process models from event data
Selección de aplicaciones y técnicas avanzadas
Advanced techniques to solve particular applications will be described, including online and multi-perspective techniques.
Metodología para proyectos de ciencia de datos orientados a procesos
A description of the life-cycle of a PODS project will be provided.
Actividades
ActividadActo evaluativo
Modelos de procesos y datos de eventos
En esta actividad se introducirán los modelos de procesos para especificar procesos en las organizaciones, y los datos que hablan de eventos que se originan en la ejecución de los procesos. Objetivos:1 Contenidos:
En esta actividad se introducirán diversas técnicas que extraen modelos de procesos en diversos formalismos a partir de datos de eventos. Objetivos:1 Contenidos:
Verificación de conformidad de modelos de procesos y datos de eventos
En esta actividad se introducirán algoritmos para establecer la relación entre el comportamiento modelado y observado de un proceso. Objetivos:1 Contenidos:
Mejora de procesos basada en la evidencia de los datos
En esta actividad se presentarán técnicas para utilizar datos de eventos para proyectar y mejorar modelos de procesos y registros de eventos. Objetivos:1 Contenidos:
Sesiones teóricas que pueden incluir sesiones de resolución de problemas con o sin componente de programación, sesiones prácticas con software de ciencia de datos orientada a procesos de código abierto o comercial, desarrollo de un caso de estudio.
Método de evaluación
La evaluación de la asignatura consiste en dos elementos: exámen final (60%), prácticas de curso (40%).
El examen final contendrá preguntas y problemas sobre los contenidos teóricos que se explican en las clases de teoría.
Las prácticas de curso serán prácticas guiadas que se realizarán durante el curso sobre diversas herramientas y plataformas de minería de procesos. Las prácticas podrán hacerse por parejas o individualmente.
Bibliografía
Básica:
Process mining : data science in action -
Aalst, Wil van der,
Springer, 2016. ISBN: 9783662498514
Comprensión completa de la informática en general; buen dominio de varios lenguajes de programación; capacidad básica para formalizar matemáticamente cuestiones en ingeniería informática.