AGNES -
Lehre und Prüfung online
Studierende in Vorlesung
Anmelden

Process Mining - Detailseite

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung Veranstaltungsnummer 3313075
Semester WiSe 2020/21 SWS 4
Rhythmus Moodle-Link  
Veranstaltungsstatus Freigegeben für Vorlesungsverzeichnis  Freigegeben  Sprache deutsch
Belegungsfristen Es findet keine Online-Belegung über AGNES statt!
Veranstaltungsformat Digital

Termine

Gruppe 1
Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer
Fr. 09:00 bis 11:00 wöch     findet statt     30
Fr. 11:00 bis 13:00 wöch   Weidlich findet statt     30
Gruppe 1:
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Weidlich, Matthias, Professor
Studiengänge
Abschluss Studiengang LP Semester
Master of Education (ISS)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (GYM)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISG)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   -  
Master of Education (BS)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISS)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (GYM)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   -  
Master of Education (ISG)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   -  
Master of Science  Informatik Hauptfach ( Vertiefung: kein LA; POVersion: 2015 )   -  
Master of Science  Wirtschaftsinformatik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )   -  
Zuordnung zu Einrichtungen
Einrichtung
Mathematisch-Naturwissenschaftliche Fakultät, Institut für Informatik
Inhalt
Kommentar

One emerging branch of data science is process mining. In the field of process automation, process mining aims at deriving qualitative and quantitative insights on the execution of a process based on recorded events logs.

The course features lectures and recitations that focus on the formal foundations and basic techniques of process mining. Specifically, this includes algorithms for process discovery that construct models from event data. Also, essential conformance checking techniques to identify deviations between models and event data, e.g., by replay or alignment construction will be discussed. Finally, advanced techniques for model extension, process simulation, and performance prediction will be reviewed. As part of excercises, course participants will be exposed to real-world data and prototype process mining techniques. The lectures and recitations are complemented by seminar-style presentations on state-of-the-art developments in the field. Each participant will be asked to read a recent research paper on process mining (selection from a given list) and give a critical assessment of the approach presented in the paper in the form of a 45min presentation.

Bemerkung

The course will be given in English.

To be eligible to take the final exam and earn the LP, each student will be required to successfully complete a project task during the semester.

Strukturbaum

Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2020/21. Aktuelles Semester: SoSe 2021.
Humboldt-Universität zu Berlin | Unter den Linden 6 | D-10099 Berlin