Plan Szkolenia

Wprowadzenie do AI Builder i sztucznej inteligencji o niskim kodzie

  • Możliwości AI Builder i typowe scenariusze
  • Licencjonowanie, zarządzanie i uwagi na poziomie dzierżawy
  • Przegląd integracji z platformą Power (Power Apps, Power Automate, Dataverse)

OCR i przetwarzanie formularzy: dokumenty strukturalne i niestrukturalne

  • Różnice między szablonami strukturalnymi a dokumentami w formie wolnej
  • Przygotowanie danych treningowych: oznaczanie pól, różnorodność próbek i wytyczne dotyczące jakości
  • Budowa modelu przetwarzania formularzy w AI Builder i ocena dokładności ekstrakcji
  • Przetwarzanie ekstraktowanych danych: walidacja, normalizacja i obsługa błędów
  • Laboratorium praktyczne: ekstrakcja OCR z różnych typów formularzy i integracja z procesem przetwarzania

Modele predykcyjne: klasyfikacja i regresja

  • Formułowanie problemu: zadania jakościowe (klasyfikacja) vs. zadania ilościowe (regresja)
  • Przygotowanie cech i obsługa braków danych w przepływach platformy Power
  • Trenowanie, testowanie i interpretacja metryk modelu (dokładność, precyzja, pełność, RMSE)
  • Wyjaśnianie modelu i uwagi dotyczące sprawiedliwości w przypadkach biznesowych
  • Laboratorium praktyczne: budowa niestandardowego modelu predykcyjnego do prognozowania rotacji klientów/ocen lub prognozowania wartości liczbowych

Integracja z Power Apps i Power Automate

  • Wbudowanie modeli AI Builder w aplikacje kanwy i sterowane modelami
  • Tworzenie automatycznych przepływów do przetwarzania ekstraktowanych danych i wyzwalania działań biznesowych
  • Wzorce projektowe dla skalowalnych, utrzymywanych aplikacji napędzanych sztuczną inteligencją
  • Laboratorium praktyczne: scenariusz od początku do końca — wgrywanie dokumentów, OCR, predykcja i automatyzacja przepływu pracy

Dodatkowe koncepcje procesowego miningu (opcjonalnie)

  • Jak procesowe minowanie pomaga odkrywać, analizować i poprawiać procesy za pomocą dzienników zdarzeń
  • Używanie wyników procesowego minowania do informowania o cechach modelu i automatyzacji pętli poprawy
  • Praktyczny przykład: połączenie wniosków z procesowego minowania z AI Builder w celu zmniejszenia ręcznych wyjątków

Wymagania produkcyjne, Gogovernance i monitorowanie

  • Zarządzanie danymi, prywatność i zgodność z przepisami przy użyciu AI Builder do czułych dokumentów
  • Cykl życia modelu: ponowne szkolenie, wersjonowanie i monitorowanie wydajności
  • Operatywizacja modeli z alertami, panelami sterowania i walidacją z człowiekiem w pętli

Podsumowanie i kolejne kroki

Wymagania

  • Doświadczenie w obsłudze Power Apps, Power Automate lub administracji platformą Power Platform
  • Znajomość pojęć dotyczących danych, podstawowych idei ML oraz oceny modeli
  • Komfort w pracy z zestawami danych, eksportami Excel/CSV i podstawowym oczyszczaniem danych

Grupa docelowa

  • Programiści platformy Power Platform oraz architekci rozwiązań
  • Analitycy danych i właściciele procesów szukający automatyzacji za pomocą AI
  • Liderzy automatyzacji Business skupieni na przypadkach użycia przetwarzania dokumentów i predykcji
 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie