Plan Szkolenia
Wprowadzenie do AI Builder i AI o niskim poziomie kodu
- Możliwości AI Builder i typowe scenariusze
- Licencjonowanie, zarządzanie i kwestie na poziomie dzierżawy
- Przegląd integracji z Power Platform (Power Apps, Power Automate, Dataverse)
OCR i przetwarzanie formularzy: Dokumenty strukturalne i niestrukturalne
- Różnice między szablonami strukturalnymi a dokumentami o dowolnej formie
- Przygotowanie danych do szkolenia: etykietowanie pól, różnorodność próbek i wytyczne dotyczące jakości
- Budowanie modelu przetwarzania formularzy w AI Builder i ocena dokładności ekstrakcji
- Przetwarzanie pozyskanych danych: walidacja, normalizacja i obsługa błędów
- Praktyczne laboratorium: ekstrakcja OCR z różnych typów formularzy i integracja z przepływem przetwarzania
Modele predykcyjne: Klasyfikacja i regresja
- Definiowanie problemu: zadania jakościowe (klasyfikacja) vs ilościowe (regresja)
- Przygotowanie cech i obsługa brakujących danych w ramach przepływów Power Platform
- Szkolenie, testowanie i interpretacja metryk modelu (dokładność, precyzja, pełność, RMSE)
- Wyjaśnialność modelu i kwestie uczciwości w przypadkach użycia biznesowego
- Praktyczne laboratorium: budowa niestandardowego modelu predykcyjnego do prognozowania rezygnacji/oceny lub liczbowych prognoz
Integracja z Power Apps i Power Automate
- Osadzanie modeli AI Builder w aplikacjach typu canvas i model-driven
- Tworzenie zautomatyzowanych przepływów do przetwarzania pozyskanych danych i wyzwalania działań biznesowych
- Wzorce projektowe dla skalowalnych, łatwych w utrzymaniu aplikacji opartych na AI
- Praktyczne laboratorium: scenariusz end-to-end — przesyłanie dokumentu, OCR, prognozowanie i automatyzacja przepływu pracy
Uzupełniające koncepcje Process Mining (Opcjonalnie)
- Jak Process Mining pomaga odkrywać, analizować i ulepszać procesy przy użyciu dzienników zdarzeń
- Wykorzystanie wyników Process Mining do informowania o cechach modelu i automatyzacji pętli ulepszeń
- Praktyczny przykład: połączenie insights z Process Mining z AI Builder w celu redukcji ręcznych wyjątków
Zagadnienia produkcyjne, zarządzanie i monitorowanie
- Zarządzanie danymi, prywatność i zgodność przy korzystaniu z AI Builder na wrażliwych dokumentach
- Cykl życia modelu: ponowne szkolenie, wersjonowanie i monitorowanie wydajności
- Operacjonalizacja modeli z alertami, pulpitami nawigacyjnymi i walidacją z udziałem człowieka
Podsumowanie i kolejne kroki
Wymagania
- Doświadczenie w pracy z Power Apps, Power Automate lub administracji Power Platform
- Znajomość koncepcji danych, podstawowych idei uczenia maszynowego i oceny modeli
- Umiejętność pracy z zestawami danych, eksportem do Excel/CSV oraz podstawowym czyszczeniem danych
Grupa docelowa
- Deweloperzy i architekci rozwiązań Power Platform
- Analitycy danych i właściciele procesów poszukujący automatyzacji poprzez AI
- Liderzy automatyzacji biznesowej skoncentrowani na przypadkach użycia związanych z przetwarzaniem dokumentów i prognozowaniem
Opinie uczestników (2)
Przeprowadziliśmy dość złożone przykłady, abyśmy mogli poczuć, jak prawdziwa praca z Power Automate Desktop może wyglądać w rzeczywistym scenariuszu.
Michal Strnad - MicroNova AG
Szkolenie - Microsoft Flow/Power Automate
Przetłumaczone przez sztuczną inteligencję
Dynamyczny, adaptacyjny i informatywny
Marcia - Complete Coherence
Szkolenie - Microsoft Power Platform Fundamentals
Przetłumaczone przez sztuczną inteligencję