Mineração de Processos e Aprendizado de Máquina: Conquistas distribuídas, mas Desafios Compartilhados

Authors

  • Sylvio Barbon Junior Universidade de Trieste
  • Sarajane Marques Peres Universidade de São Paulo

DOI:

https://doi.org/10.5753/compbr.2023.49.4057

Keywords:

Mineração de Processos, Aprendizado de Máquina, Inteligência Artificial

Abstract

A mineração de processos, assim como outras disciplinas inspiradas na mineração de dados, usa algoritmos de aprendizado de máquina para incrementar suas funcionalidades. As soluções em mineração de processos aproveitam o potencial do aprendizado de máquina para reduzir dificuldades inerentes a tarefas complexas. Como resultado, a proposição de soluções inovadoras na mineração de processos tem sido impulsionada em tarefas como a predição do próximo evento, o monitoramento de instâncias de processo ou a recomendação de alocação de recursos. No entanto, a aplicação de aprendizado de máquina na mineração de processos lida com desafios especiais: a modelagem do problema, seleção e configuração de algoritmos requerem atenção às características particulares da natureza dos dados (eventos) e a interpretação e utilidade dos resultados dependem da experiência em processos de negócio.

Downloads

Não há dados estatísticos.

Referências

DI FRANCESCOMARINO, C., GHIDINI, C., MAGGI, F. M., & MILANI, F. (2018). Predictive process monitoring methods: Which one suits me best? In 16th International Conference on Business Process Management, Sydney, NSW, Australia, September 9–14, 2018, (pp. 462-479). Springer International Publishing.

NEUBAUER, T. R., da SILVA, V. F., FANTINATO, M., & PERES, S. M. Resource Allocation Optimization in Business Processes Supported by Reinforcement Learning and Process Mining. In 11th Brazilian Conference on Intelligent Systems, Campinas, Brazil, November 28–December 1, 2022, (pp. 580-595). Cham: Springer International Publishing.

VERTUAM NETO, R., TAVARES, G., CERAVOLO, P., & BARBON, S. (2021, June). On the use of online clustering for anomaly detection in trace streams. In XVII Brazilian Symposium on Information Systems (pp. 1-8).

Downloads

Published

2023-04-01

Como Citar

Barbon Junior, S., & Peres, S. M. (2023). Mineração de Processos e Aprendizado de Máquina: Conquistas distribuídas, mas Desafios Compartilhados. Computação Brasil, (49), 20–24. https://doi.org/10.5753/compbr.2023.49.4057

Issue

Section

Artigos