دانلود کتاب فرآیند کاوی: علم داده در عمل بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Process Mining: Data Science in Action
ویرایش : 2
عنوان ترجمه شده به فارسی : فرآیند کاوی: علم داده در عمل
سری :
نویسندگان : Wil van der Aalst (auth.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2016
تعداد صفحات : 477
ISBN (شابک) : 9783662498507 , 9783662498514
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 21 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این ویرایش دوم کتاب اصلی Wil van der Aalst در مورد فرآیند کاوی است که اکنون این زمینه را نیز در زمینه گستردهتر علم داده و رویکردهای کلان داده مورد بحث قرار میدهد. 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.
بعد از مقدمه ای کلی بر علم داده و فرآیند کاوی در قسمت اول، قسمت دوم مبانی مدل سازی فرآیند کسب و کار و داده کاوی لازم برای درک بقیه کتاب را ارائه می دهد. 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.
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.