Часто используешь алгоритм кластеризации k-means и порой не знаешь, как обосновать количество кластеров? Тогда, твой выбор – это расширяющийся нейронный газ. Этот красивый алгоритм строит граф с несколькими подграфами. Их количество и есть искомое тобой количество кластеров!

Построить граф по логам процесса очень просто. В распоряжении аналитиков в настоящее время достаточное многообразие профессиональных разработок, таких как Celonis, Disco, PM4PY, ProM и т.д., призванных облегчить исследование процессов. Сложнее найти отклонения на графах, сделать верные выводы по ним. Что делать, если некоторые профессиональные разработки, зарекомендовавшие себя и представляющие особый интерес не доступны по тем или иным причинам, или вам хочется больше свободы в расчетах при работе с графами? Насколько сложно самим написать майнер и реализовать некоторые необходимые возможности для работы с графами? Сделаем это на практике с помощью стандартных библиотек Python, реализуем расчеты и дадим с их помощью ответы на детальные вопросы, которые могли бы заинтересовать владельцев процесса.

Поиск возможных конфликтов интересов между сотрудниками организации с помощью GRAKN.AI. (БД в виде графа знаний, которая использует машинное мышление для упрощения задач обработки данных для приложений AI)

Как решить задачу по выявлению связей между группами лиц, занимающиеся экономической деятельностью? Продолжаем делиться опытом и экспериментируем с библиотекой graphviz

Начинаем день с лайфхака! Попробуем разобраться, как при помощи простых инструментов провести анализ процесса и найти в нем изъяны. Чтобы определить бессмысленность события М и большое время исполнения события Р в процессе, необязательно использовать платные инструменты, благодаря Python, такие задачи можно решить за пару шагов