François Chung, Ph.D.

Tag: simulació per ordinador

Modelatge de processos i decisions de negoci

Modelatge de processos i decisions de negoci

|

Formació HPI, MOOC (2021). Aquesta formació en línia presenta conceptes de modelatge de processos de negoci utilitzant l'estàndard BPMN (Business Process Model and Notation). Basat en un coneixement profund de BPMN, l'última part de la formació cobreix els models de decisió que utilitzen DMI (Decision Model and Notation). Els models de decisió complementen els models de procés mitjançant la representació de decisions operatives concretes, tant amb la seva estructura com amb les seves lògiques de decisió.

Setmana 1: Introducció a la gestió de processos de negoci

Temes principals:

  • Definició de processos de negoci;
  • Models de processos de negoci;
  • Processos de negoci interactius;
  • Models i instàncies;
  • Cicle de vida del procés de negoci.

Setmana 2: Modelatge bàsic de processos de negoci

Temes principals:

  • Activitats de procés;
  • Passarel·les exclusives i paral·leles;
  • Passarel·les inclusives i bucles;
  • Esdeveniments d'inici, intermedis i de cap;
  • Simultaneïtat.

Setmana 3: Anàlisi del comportament dels models de processos

Temes principals:

  • Comportament del procés;
  • Solidesa estructural;
  • Simulació de processos de negoci;
  • Xarxes de Petri i anàlisi de processos;
  • Comprovació de solidesa.

Setmana 4: Modelatge avançat de processos de negoci

Temes principals:

  • Subprocessos i esdeveniments de frontera;
  • Modificadors d'activitat;
  • Passarel·la basada en esdeveniments;
  • Modelatge de les organitzacions;
  • Patrons d'assignació de recursos.

Setmana 5: Dades en els models de processos de negoci

Temes principals:

  • Organització de models de processos;
  • Dades i flux de dades;
  • Semàntica de l'execució de dades;
  • Dades estructurades i subprocessos;
  • Conformitat amb el cicle de vida de l'objecte.

Setmana 6: Modelatge de les decisions de negoci

Temes principals:

  • Implementació de decisions;
  • Diagrames de requisits de decisió;
  • Semàntica de taules de decisió;
  • Anàlisi de taules de decisió;
  • Coherència de processos i decisions.

Referències

Articles relacionats

ArchiMate 3 a la pràctica (formació Orsys)
Diagrames de classes UML (formació edX)

Més informació

BPMN - Business Process Model and Notation
DMN - Decision Model and Notation
openHPI - Hasso Plattner Institute

Computació i física quàntica

Computació i física quàntica

|

Formació Udemy, MOOC (2020). Aquesta formació en línia presenta la computació quàntica com la propera onada de la indústria informàtica. Els computadors quàntics són exponencialment més ràpids que els computadors clàssics d'avui. Els problemes que es consideraven massa difícils de resoldre, com desxifrar el xifrat RSA, ara són possibles a través dels computadors quàntics. La formació se centra en l'anàlisi del comportament dels circuits quàntics.

Secció 1: Introducció

Temes principals:

  • Per què aprendre sobre computació quàntica?
  • En què es diferencia la computació quàntica?

Secció 2: Criptografia quàntica

Temes principals:

  • Experiments amb polarització de fotons;
  • Teorema de no clonació;
  • Xifrat XOR;
  • Xifrat amb secret compartit d'un sol ús;
  • Codificació de dades en polarització de fotons.

Secció 3: Fonaments

Temes principals:

  • Probabilitat;
  • Nombres complexos;
  • Àlgebra de matrius;
  • Multiplicació de matrius;
  • Circuits lògics.

Secció 4: Model matemàtic per a la física quàntica

Temes principals:

  • Modelatge de física amb matemàtiques;
  • Probabilitats substractives mitjançant nombres complexos;
  • Modelatge de superposició mitjançant matrius.

Secció 5: Física quàntica dels estats d'espín

Temes principals:

  • Representació matricial dels estats d'espín;
  • Vector d'estat;
  • Experiments amb spin.

Secció 6: Model matemàtic dels estats d'espín

Temes principals:

  • Anàlisi d'experiments;
  • Notació Dirac bra-ket;
  • Comportament aleatori.

Secció 7: Transformacions d'estat reversibles i irreversibles

Temes principals:

  • Mesura de transformacions irreversibles;
  • Transformacions d'estat reversibles.

Secció 8: Sistemes multi-qubit

Tema principal:

  • Sistemes multi-qubit.

Secció 9: Entrellaçament quàntic

Tema principal:

  • Entrellaçament quàntic.

Secció 10: Model de computació quàntica

Temes principals:

  • Circuits quàntics;
  • Portes reversibles;
  • Portes CNOT i CCNOT;
  • Portes Fredkin i universal;
  • Superposició i entrellaçament en portes quàntiques.

Secció 11: Programació quàntica amb Microsoft Q#

Temes principals:

  • Arquitectura de maquinari del simulador Q#;
  • Mesura d'estats de superposició;
  • Efecte de la superposició en portes quàntiques;
  • Porta Toffoli;
  • Programació d'ordinadors quàntics.

Secció 12: Experiència quàntica d'IBM

Tema principal:

  • Experiència quàntica d'IBM.

Secció 13: Conclusió

Tema principal:

  • Speedup revisat.

Referències

Formació

Certificat del curs (Udemy)

Articles relacionats

Digital Annealer (projecte Fujitsu)
DataNews 2020 (FR) (article de revista especialitzada, versió francesa)
DataNews 2020 (NL) (article de revista especialitzada, versió holandesa)

Més informació

Udemy

Especialització en ciència de dades

Especialització en ciència de dades

|

Formació Coursera, MOOC (2020). Aquesta especialització cobreix els conceptes i eines necessaris per a la ciència de dades, des de formular les preguntes correctes fins a fer inferències i publicar resultats. Els temes coberts inclouen l'ús de R per netejar, analitzar i visualitzar dades, utilitzar GitHub per administrar projectes de ciència de dades i realitzar anàlisis de regressió, mínims quadrats i inferència utilitzant models de regressió.

Curs 1: Caixa d'eines del científic de dades

Temes principals:

  • Fonaments de la ciència de dades;
  • R i Rstudio;
  • Control de versions i GitHub;
  • R Markdown, pensament científic i big data.

Curs 2: Programació R

Temes principals:

  • Antecedents i posada en marxa;
  • Programació amb R;
  • Funcions de bucle i depuració;
  • Simulació i anàlisi de rendiment de programari.

Curs 3: Obtenció i neteja de dades

Temes principals:

  • Trobar dades i llegir diferents tipus d'arxius;
  • Sistemes d'emmagatzematge de dades;
  • Organitzar, fusionar i gestionar dades;
  • Manipulació de text i dades en R.

Curs 4: Anàlisi exploratòria de dades

Temes principals:

  • Gràfics analítics i representació gràfica en R;
  • Lattice i ggplot2;
  • Reducció de dimensionalitat de dades;
  • Tècniques d'anàlisi de conglomerats.

Curs 5: Investigació reproduïble

Temes principals:

  • Conceptes, idees i estructura;
  • Markdown i knitr;
  • Llista de comprovació de la investigació reproduïble;
  • Anàlisi de dades basades en evidències.

Curs 6: Inferència estadística

Temes principals:

  • Probabilitat i valors esperats;
  • Variabilitat, distribució i asímptota;
  • Intervals, proves i valor p;
  • Proves de potència, bootstrapping i permutació.

Curs 7: Models de regressió

Temes principals:

  • Mínims quadrats i regressió lineal;
  • Regressió lineal i multivariant;
  • Residus i diagnòstics;
  • Regressió logística i de Poisson.

Curs 8: Aprenentatge automàtic

Temes principals:

  • Predicció, errors i validació creuada;
  • Paquet caret;
  • Arbres de decisió i boscos aleatoris;
  • Regressió regularitzada i predictors combinats.

Curs 9: Desenvolupament de productes de dades

Temes principals:

  • Shiny, GoogleVis i Plotly;
  • R Markdown i Leaflet;
  • Paquets R i Swirl.

Referències

Articles relacionats

Fonaments de Spark (formació Cognitive Class)
Fonaments de Hadoop (formació Cognitive Class)
AWS: fonaments i aprenentatge automàtic (formació AWS)

Més informació

Coursera

DataNews 2020 – Article de revista especialitzada

DataNews 2020 (FR) – Article de revista especialitzada

|

Publicació

François Chung; Combler le fossé quantique, aujourd’hui; DataNews, 2, p. 5, 2020.

Abstract

L’informatique quantique permettra de solutionner des problèmes complexes, impossibles à résoudre avec les ordinateurs d’aujourd’hui. Le Digital Annealer de Fujitsu offre une alternative à l’informatique quantique encore trop coûteuse et difficile à exécuter.

Referències

Publicació

Versió publicada (PDF)
Referència bibliogràfica (BibTeX)

Articles relacionats

Computació i física quàntica (formació Udemy)
DataNews 2020 (NL) (article de revista especialitzada, versió holandesa)
Digital Annealer (projecte Fujitsu)

Més informació

DataNews

DataNews 2020 – Article de revista especialitzada

DataNews 2020 (NL) – Article de revista especialitzada

|

Publicació

François Chung; De kwantumkloof dichten, vandaag de dag; DataNews, 2, p. 5, 2020.

Abstract

Kwantuminformatica biedt een oplossing voor complexe problemen, die niet kunnen opgelost worden met de huidige computersystemen. De Digital Annealer van Fujitsu biedt een alternatief voor de kwantuminformatica, die momenteel nog te duur en te moeilijk uit te voeren is.

Referències

Publicació

Versió publicada (PDF)
Referència bibliogràfica (BibTeX)

Articles relacionats

Computació i física quàntica (formació Udemy)
DataNews 2020 (FR) (article de revista especialitzada, versió francesa)
Digital Annealer (projecte Fujitsu)

Més informació

DataNews

Idiomes

Articles recents

Categories

Notícies

El recent & El popular

Cerca