Process Mining 流程挖掘：数据科学实战 (中英字幕)_全网首译/译文更新至4.8~~【流程智能基础课】
https://www.coursera.org/learn/process-mining/lecture
对于企业正在经历的数字转型，流程挖掘是帮助企业顺利转型并且获得竞争力的非常基础而且重要的一部分。 企业各个系统中有大量的事件数据（event data）或数字足迹（digital footprint）可以通过流程挖掘技术充分运用起来。50%以上的世界500强公司都已经开始部署或实施流程挖掘项目，因为通过流程挖掘给企业带来的价值是非常直观和可观的。那么全球对流程挖掘技术人才的需求很大，有兴趣、有一定基础的朋友可以考虑一下，这是一个很不错的职业发展路径。
学习理论知识会比较枯燥，最好亲自动手体验一下用流程挖掘工具进行数据分析的魅力！
课程提供了两个免费的流程挖掘工具（ProM和Disco），之后有空我会制作视频进行Demo和讲解！Happy learning and happy mining哈！！
课程目录 https://www.bilibili.com/read/cv15485307
Week 1 - 流程挖掘介绍与数据挖掘
课程介绍与概述
课程背景和练习信息
数据挖掘与流程挖掘
1.1: 数据科学与大数据
1.2: 流程挖掘的类型
1.3: 流程挖掘与数据挖掘的关系
决策树
1.4: 学习决策树
1.5: 运用决策树
1.6: 关联规则学习
聚类与关联规则学习
1.7: 聚类分析
1.8: 评估挖掘结果
Week 2 – 流程模型和流程发现
2.1: 事件日志与流程模型
2.2: Petri网(1)
2.3: Petri网(2)
2.4: 转换系统与Petri网属性
2.5: 工作流网与正确性
2.6: Alpha算法:一个流程发现的算法
2.7: Alpha算法:局限性
2.8: ProM和Disco介绍
Week 3 – 不同类型的流程模型
3.1: 流程发现的4个质量指标
3.2: 流程挖掘的代表性偏差
3.3: 业务流程模型与符号
3.4: 依赖图与因果关系网
3.5: 学习依赖图
3.6: 学习因果关系网和标注
3.7: 学习变迁系统
3.8: 使用区域来发现并发
Week 4 – 流程发现技术与一致性检查
流程发现
4.1: 二阶流程发现及其局限
4.2: 其他流程发现技术
符合性检查/一致性检查
4.3: 一致性检查介绍
4.4: 运用因果足迹进行符合性检查
4.5: 运用令牌重演进行符合性检查
4.6: 基于令牌的重演
4.7: 将建模的事件行为与所观察的事件行为保持一致
探索性事件数据分析
4.8: 探索事件数据
Week 5 – 丰富流程模型
决定节点分析
5.1: 过去两周课程回顾
5.2: 决定节点挖掘
5.3: 发现数据识别的Petri网
瓶颈、社交网络和组织性挖掘
5.4: 挖掘瓶颈问题
5.5: 挖掘社交网络
5.6: 组织性挖掘
结合与比较性流程挖掘视角
5.7: 结合不同视角
5.8: 运用流程立方体的比较流程挖掘
5.9: 完善流程挖掘框架
Week 6 – 操作支持及小结
操作支持
6.1: 操作支持：发现、预测和推荐
获取事件数据和流程挖掘软件概览
6.2: 获得正确的时间数据
6.3: 建立事件日志指南
6.4: 程挖掘软件
实施流程挖掘项目
6.5: 如何进行流程挖掘项目
6.6: 挖掘 lasagna 流程 （更为简化的流程）
6.7: 挖掘 spaghetti 流程（面条状流程）
小结
6.8: 地图状的流程模型
6.9: 数据科学实战
- 字幕制作者（中文（中国））：Tina_bling
- 字幕制作者（中文（简体））：Tina_bling
- 字幕制作者（English(US)）：Tina_bling
流程挖掘独立科研、Legal Tech和Agentic流程智能解决方案科技创业者，喜欢数据、流程、法律、治理、哲学之美！
视频选集
（1/51）
Week1_Course Background and Practical Information
11:38
1.1_Data Science and Big Data
16:50
1.2_Different Types of Process Mining
21:27
1.3_How Process Mining Relates to Data Mining
20:28
1.4_Learning Decision Trees
26:36
1.5_Applying Decision Trees
20:37
1.6_Association Rule Learning
18:30
1.7_Cluster Analysis
13:12
1.8_Evaluating Mining Results
14:33
2.1_Event Logs and Process Models
14:19
2.2_Petri Nets (1:2)
16:02
2.3_Petri Nets (2:2)
17:37
2.4_Transition Systems and Petri Net Properties
20:40
2.5_ Workflow Nets and Soundness
16:31
2.6_Alpha Algorithm
25:10
2.7_Alpha Algorithm Limitations
23:11
2.8 Introducing ProM and Disco
25:24
3.1 Four Quality Criteria For Process Discovery
19:19
3.2 On The Representational Bias of Process Mining
16:36
3.3 Business Process Model and Notation (BPMN)
15:10
3.4 Dependency Graphs and Causal Nets
21:24
3.5 Learning Dependency Graphs
21:07
3.6 Learning Causal nets and Annotating Them
18:30
3.7 Learning Transition Systems
14:47
3.8 Using Regions to Discover Concurrency
18:20
4.1 Two-Phase Process Discovery And Its Limitations
15:02
4.2 Alternative Process Discovery Techniques
22:39
4.3 Introduction to Conformance Checking
11:35
4.4 Conformance Checking Using Causal Footprints
10:08
4.5 Conformance Checking Using Token-Based Replay
14:52
4.6 Token Based Replay Some Examples
15:28
4.7 Aligning Observed and Modeled Behavior
18:25
4.8 Exploring Event Data
20:34
5.1 About the Last Two Weeks of This Course
10:22
5.2 Mining Decision Points
16:34
5.3 Discovering Data Aware Petri Nets
12:09
5.4 Mining Bottlenecks
11:09
5.5 Mining Social Networks
16:34
5.6 Organizational Mining
08:56
5.7 Combining Different Perspectives
12:59
5.8 Comparative Process Mining Using Process Cubes
13:29
5.9 Refined Process Mining Framework
11:14
6.1 Operational Support_Detect Predict and Recommend
16:58
6.2 Getting the Right Event Data
16:38
6.3 Guidelines for Logging
09:58
6.4 Process Mining Software
15:54
6.5 How to Conduct a Process Mining Project
11:16
6.6 Mining Lasagna Processes
05:34
6.7 Mining Spaghetti Processes
08:01
6.8 Process Models as Maps
11:37
6.9 Data Science in Action
09:30
顶部