Process Mining: Data Science in Action

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Van der Aalst W.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 477 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 21 مگابایت 

قیمت کتاب (تومان) : 41,000

ویرایش دوم - اسپرینگر، 2015. - 477 ص. — ISBN: 9783662498507، EISBN: 9783662498514 این دومین ویرایش از کتاب اصلی Wil van der Aalst در مورد فرآیند کاوی است که اکنون این زمینه را در زمینه گسترده تر نیز مورد بحث قرار می دهد. علم داده و رویکردهای کلان داده این شامل چندین افزودنی و به روز رسانی است، به عنوان مثال. در مورد تکنیک‌های استخراج القایی، مفهوم هم‌ترازی‌ها، بخش بسیار گسترده‌ای در مورد ابزارهای نرم‌افزاری و فصل کاملاً جدیدی از فرآیند کاوی در کل. این خودکفا است، در حالی که در عین حال کل طیف فرآیند استخراج از کشف فرآیند تا تجزیه و تحلیل پیش بینی را پوشش می دهد.
پس از مقدمه‌ای کلی بر علم داده و فرآیند کاوی در بخش اول، بخش دوم اصول مدل‌سازی فرآیند کسب‌وکار و داده‌کاوی لازم برای درک بقیه کتاب را ارائه می‌کند. در مرحله بعد، قسمت سوم بر کشف فرآیند به عنوان مهمترین وظیفه فرآیند کاوی تمرکز دارد، در حالی که قسمت چهارم فراتر از کشف جریان کنترل فرآیندها، برجسته کردن بررسی انطباق، و دیدگاه های سازمانی و زمانی است. بخش پنجم راهنمایی برای به کارگیری موفقیت آمیز فرآیند کاوی در عمل ارائه می دهد، از جمله مقدمه ای بر ابزار منبع باز پرکاربرد ProM و چندین محصول تجاری. در نهایت، قسمت ششم یک گام به عقب برمی‌دارد و به مطالب ارائه‌شده و چالش‌های کلیدی باز می‌اندیشد.
به طور کلی، این کتاب نمای کلی جامعی از وضعیت هنر در فرآیند کاوی ارائه می دهد. این برای تحلیلگران فرآیند کسب و کار، مشاوران کسب و کار، مدیران فرآیند، دانشجویان تحصیلات تکمیلی و محققان BPM در نظر گرفته شده است.

2nd ed. — Springer, 2015. — 477 p. — ISBN: 9783662498507, EISBN: 9783662498514 This is the second edition of Wil van der Aalst’s seminal book on process mining, which now discusses the field also in the broader context of data science and big data approaches. It includes several additions and updates, e.g. on inductive mining techniques, the notion of alignments, a considerably expanded section on software tools and a completely new chapter of process mining in the large. It is self-contained, while at the same time covering the entire process-mining spectrum from process discovery to predictive analytics.
After a general introduction to data science and process mining in Part I, Part II provides the basics of business process modeling and data mining necessary to understand the remainder of the book. Next, Part III focuses on process discovery as the most important process mining task, while Part IV moves beyond discovering the control flow of processes, highlighting conformance checking, and organizational and time perspectives. Part V offers a guide to successfully applying process mining in practice, including an introduction to the widely used open-source tool ProM and several commercial products. Lastly, Part VI takes a step back, reflecting on the material presented and the key open challenges.
Overall, this book provides a comprehensive overview of the state of the art in process mining. It is intended for business process analysts, business consultants, process managers, graduate students, and BPM researchers.