Digicampus
Vorlesung: Process Mining - Details
Sie sind nicht in Stud.IP angemeldet.
Lehrveranstaltung wird online/digital abgehalten.

Allgemeine Informationen

Veranstaltungsname Vorlesung: Process Mining
Semester SS 2018
Aktuelle Anzahl der Teilnehmenden 3
erwartete Teilnehmendenanzahl 30
Heimat-Einrichtung Lehrprofessur für Informatik
Veranstaltungstyp Vorlesung in der Kategorie Lehre
Erster Termin Montag, 09.04.2018 10:00 - 11:30
Teilnehmende Dies ist eine Wahlpflicht-Veranstaltung im Bereich "Theoretischen Informatik" in folgenden Informatik-Masterstudiengänge:
- Master "Informatik"
- Master "Informatik & Multimedia"

Dies ist eine Wahlpflicht-Veranstaltung im Bereich "Fortgeschrittene Quantitative Methoden" im folgenden Masterstudiengang:
- Master "Wirtschaftsinformatik"
Voraussetzungen Es werden keine anderen Master-Veranstaltungen vorausgesetzt.

Wichtige Grundlagen aus dem Bachelor:
- Diskrete Strukturen für Informatiker
- Logik für Informatiker
- Einführung in die theoretische Informatik (Automaten und formale Sprachen)
Lernorganisation Es werden zwei doppelstündige Termine pro Woche angeboten. Diese Termine sind Woche für Woche abwechselnd
- 2 Vorlesungstermine
- 1 Vorlesungstermin + 1 Übungstermin

Die Übungen dienen der Vertiefung und praktischen Übung des Inhalts aus den Vorlesungen. Es werden 2-wöchentlich Übungsblätter mit Übungsaufgaben herausgegeben. Diese werden in den 2-wöchentlichen Übungen besprochen.
Leistungsnachweis Es wird eine Klausur zum Vorlesungsende im Sommersemester angeboten.
- Termin: voraussichtlich 11.7.2018
- Ort: wird noch bekannt gegeben
- Dauer: 90 Minuten

Prüfungsanmeldung :
Man muss sich in STUDIS (Prüfungsverwaltungssystem des Prüfungsamts) zur Prüfung anmelden. Eine STUDIS-Anmeldung führt zur Bewertung auch bei Nicht-Teilnahme (als "nicht bestanden").
- STUDIS-Anmeldefrist: (wird noch bekannt gegeben)

Klausurbewertung
- Die Klausur wird mit maximal 90 Punkten bewertet
- Aus der erreichten Punktzahl wird eine Note zwischen 1,0 und 5,0 errechnet.
- Die Klausur ist mit der Note 4,0 bestanden, wenn 50% der maximal möglichen Punkte erreicht worden sind.

Klausurmodalitäten:
- Studentenausweis und amtlicher Lichtbildausweis sind zur Klausur mitzubringen
- Alle Teilnehmer unterschreiben die Teilnehmerliste
- Es sind keine Hilfsmittel zugelassen (Disqualifikation)
- Es ist nicht gestattet, eine Kopie der Klausur anzufertigen (Disqualifikation)
- Die Arbeiten disqualifizierter Teilnehmer werden mit 5,0 bewertet und dem Prüfungsausschuss gemeldet
- Die Aufgaben sind selbständig zu erledigen. Kontaktaufnahme zu anderen Teilnehmern oder deren Unterlagen führen zur Disqualifikation
Online/Digitale Veranstaltung Veranstaltung wird online/digital abgehalten.
Hauptunterrichtssprache deutsch
Literaturhinweise Wil M. P. van der Aalst:
Process Mining - Data Science in Action, Second Edition. Springer 2016, ISBN 978-3-662-49850-7

Wil M. P. van der Aalst, Boudewijn F. van Dongen: Discovering Petri Nets from Event Logs. Trans. Petri Nets and Other Models of Concurrency 7: 372-422 (2013)

Robin Bergenthum, Jörg Desel, Robert Lorenz, Sebastian Mauser: Process Mining Based on Regions of Languages. BPM 2007: 375-383
ECTS-Punkte 6

Räume und Zeiten

Keine Raumangabe
Montag: 10:00 - 11:30, wöchentlich
Mittwoch: 10:00 - 11:30, wöchentlich

Kommentar/Beschreibung

Die Veranstaltung gibt einen fundierten Überblick über das Forschungsgebiet Process Mining. Kapitelübersicht:
1:: Motivation / Überblick,
2: Mathematische Grundlagen
3:: Petrinetze
4: Andere Systemmodelle (Workflow-Netze, EPKs, BPMN, Dependance Graphs, …)
5: Eventlogs
6: Alpha-Algorithmus
7: PROM
8: Heuristik Miner
9: Synthese-Methoden
10: Ergänzende Themen (Data Mining, Conformance Checking, Enhancement)

Anmeldemodus

Die Auswahl der Teilnehmenden wird nach der Eintragung manuell vorgenommen.

Die genauen Modalitäten der Platzvergabe werden in der ersten Vorlesung am 09.04.18 (10:00 - 11:30 Uhr 1058 N) bekanntgegeben. Die Anwesenheit in dieser ersten Vorlesung ist zwingend erforderlich.

Die Anmeldung ist verbindlich, Teilnehmende können sich nicht selbst austragen.