Plan Szkolenia

Wprowadzenie do AI Builder i niskokodowej sztucznej inteligencji

  • Funkcjonalności AI Buildera i typowe scenariusze
  • Licencjonowanie, zarządzanie i zagadnienia na poziomie dzierżawy
  • Przegląd integracji Power Platform (Power Apps, Power Automate, Dataverse)

OCR i przetwarzanie formularzy: dokumenty strukturyzowane i niestrukturyzowane

  • Różnice między szablonami strukturyzowanymi a dokumentami swobodnej formy
  • Przygotowywanie danych treningowych: oznaczanie pól, zróżnicowanie próbek i wytyczne dotyczące jakości
  • Tworzenie modelu przetwarzania formularzy AI Builder i ocena dokładności ekstrakcji
  • Postprocessing danych wyekstrahowanych: walidacja, normalizacja i obsługa błędów
  • Praktyczne laboratorium: ekstrakcja OCR z mieszanych typów formularzy i integracja w przepływ przetwarzania

Modele predykcyjne: klasyfikacja i regresja

  • Określanie problemu: zadania jakościowe (klasyfikacja) w porównaniu z ilościowymi (regresja)
  • Przygotowywanie cech i obsługa brakujących danych w przepływach roboczych Power Platform
  • Uczenie, testowanie i interpretacja metryk modelu (dokładność, precyzja, przywołanie, RMSE)
  • Wyjaśnialność modelu i uwagi dotyczące sprawiedliwości w przypadkach biznesowych
  • Praktyczne laboratorium: budowanie niestandardowego modelu predykcyjnego dla rotacji/klientów lub prognozy numerycznej

Integracja z Power Apps i Power Automate

  • Wbudowywanie modeli AI Builder w aplikacje canvas i oparte na modelach
  • Tworzenie przepływów automatyzacji do przetwarzania danych wyekstrahowanych i uruchamiania akcji biznesowych
  • wzorce projektowe dla skalowalnych, utrzymanych modeli opartych na AI
  • Praktyczne laboratorium: kompleksowy scenariusz — przesyłanie dokumentów, OCR, predykcja i automatyzacja przepływu pracy

Komplementarne pojęcia Process Mining (opcjonalnie)

  • Jak Process Mining pomaga odkrywać, analizować i poprawiać procesy przy użyciu dzienników zdarzeń
  • Korzystanie z wyników Process Mining do informowania cech modelu i automatyzacji pętli doskonalenia
  • Praktyczny przykład: łączenie wglądów Process Mining z AI Builderem, aby zmniejszyć ręczne wyjątki

Rozważania dotyczące produkcji, zarządzania i monitorowania

  • Zarządzanie danymi, prywatność i zgodność przy użyciu AI Buildera na wrażliwych dokumentach
  • Cykl życia modelu: ponowne uczenie, wersjonowanie i monitorowanie wydajności
  • Operacjonalizacja modeli za pomocą alertów, pulpiti nawigacyjne i walidacji z udziałem człowieka

Podsumowanie i kolejne kroki

Wymagania

  • Doświadczenie w pracy z Power Apps, Power Automate lub administracją Power Platform
  • Znajomość podstawowych pojęć dotyczących danych, podstawowych idei ML i oceny modeli
  • Umiejętność pracy z zestawami danych, eksportami Excel/CSV oraz podstawowym czyszczeniem danych

Adresaci

  • Deweloperzy i architekci rozwiązań Power Platform
  • Analitycy danych i właściciele procesów poszukujący automatyzacji za pomocą AI
  • Liderzy automatyzacji biznesowej skupieni na przetwarzaniu dokumentów i predykcji
 14 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie