چکیده:
Data science یک حرفه و شغل مربوط به آینده است و سازمانی که نتواند از داده های موجود به طور هوشمند استفاده کند، از بین خواهد رفت. پس، یک data scientist نمیتواند فقط بر روی ذخیره و تحلیل داده ها تمرکز کند، بلکه باید بتواند با استفاده از داده، فرآیند را تحلیل نماید. فرآیند کاوی حلقه مفقوده بین تحلیل فرآیند مبتنی بر مدل (مانند شبیه سازی) و تکنیک های تحلیل داده محور مانند داده کاوی و یادگیری ماشین است.
در این کارگاه، ابتدا مفاهیم اولیه فرآیندکاوی معرفی می شود. سپس چالش های موجود در این زمینه و موضوعات روز تحقیقاتی این حوزه بررسی خواهد شد. در انتها، دو ابزار بسیار معروف در زمینه تحلیل فرآیند، معرفی و آموزش داده خواهد شد.
سرفصل ها:
۱. معرفی فرآیندکاوی و ویژگی های آن
۲. فرایند کاوی و NLP
3- predictive business process monitoring
۴. نصب و راه اندازي ابزار دیسکو
۵. تحليل آماری و مدل فرايند
۶. بررسي case ها
۷. شروع کار با ابزار سلونیس
۸. مقدمه ای بر سطوح انتزاعی نقشه های فرایند
۹. فیلتر و تحلیل فعالیت ها
ارائه دهنده ها:
۱. رحمان جلایر
(دانشجوی دکتری مهندسی کامپیوتر، نرم افزار، دانشگاه فردوسی؛ عضو آزمایشگاه فناوری وب)
۲. سید محمود سلطانی
(دانشجوی دکتری مهندسی کامپیوتر، نرم افزار، دانشگاه فردوسی؛ عضو آزمایشگاه فناوری وب)
۳. حمید تقی زاده
(دانشجوی کارشناسی ارشد مهندسی کامپیوتر، نرم افزار، دانشگاه فردوسی؛ عضو آزمایشگاه فناوری وب)