Ciencia de Datos Orientada a Procesos

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
CS
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

Otros

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

    1. 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: CT4, CT5, CG2, CG3, CE5, CE6, CE7, CE9, CE13, CB7, CB9, CB10,
    2. 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: CT1, CB6, CB8,

    Contenidos

    1. Modelos de procesos y datos de eventos
      Describing the concepts of process models and event data
    2. Descubrimiento automático de modelos de procesos
      Overview on the different techniques to mine process models from event data
    3. Verificación de conformidad entre modelos de procesos y datos de eventos
      The main techniques to relate observed and modeled behavior will be introduced
    4. Mejora de procesos basada en la evidencia de los datos
      Techniques to improve and extend process models from event data
    5. Selección de aplicaciones y técnicas avanzadas
      Advanced techniques to solve particular applications will be described, including online and multi-perspective techniques.
    6. Metodología para proyectos de ciencia de datos orientados a procesos
      A description of the life-cycle of a PODS project will be provided.

    Actividades

    Actividad Acto 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:
    Teoría
    5h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    15.9h

    Descubrimiento automático de modelos de procesos

    En esta actividad se introducirán diversas técnicas que extraen modelos de procesos en diversos formalismos a partir de datos de eventos.
    Objetivos: 1
    Contenidos:
    Teoría
    6h
    Problemas
    0h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    16h

    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:
    Teoría
    6h
    Problemas
    0h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    16h

    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:
    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    16h

    Selección de aplicaciones y técnicas avanzadas

    Varias técnicas para resolver problemas de ciencias de datos orientados a procesos de la vida real
    Objetivos: 1 2
    Contenidos:
    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    16h

    Metodología para proyectos de ciencia de datos orientada a procesos

    Descripción general de cómo gestionar un proyecto PODS
    Objetivos: 2
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    3h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    16h

    Metodología docente

    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

    Básico

    Complementario

    Web links

    Capacidades previas

    Comprensión completa de la informática en general; buen dominio de varios lenguajes de programación; capacidad básica para formalizar matemáticamente cuestiones en ingeniería informática.