Съдържание и теми, включени в курса
Въведение в AI Builder и нискокодовия AI
- Възможности на AI Builder и често срещани сценарии
- Лицензиране, управление и съображения на ниво клиент
- Преглед на интеграциите в Power Platform (Power Apps, Power Automate, Dataverse)
OCR и обработка на формуляри: структурирани и неструктурирани документи
- Разлики между структурирани шаблони и документи със свободна форма
- Подготовка на данни за обучение: етикетиране на полета, разнообразие на извадките и насоки за качество
- Изграждане на модел за обработка на формуляри с AI Builder и оценка на точността на извличане
- Последваща обработка на извлечените данни: валидиране, нормализиране и обработка на грешки
- Практическа лабораторна работа: OCR извличане от смесени типове формуляри и интеграция в поток за обработка
Прогнозни модели: класификация и регресия
- Формулиране на проблема: качествени (класификация) срещу количествени (регресия) задачи
- Подготовка на характеристики и обработка на липсващи данни в работните потоци на Power Platform
- Обучение, тестване и интерпретиране на метриките на модела (точност, прецизност, извикване, RMSE)
- Обяснимост на модела и съображения за справедливост в бизнес сценарии
- Практическа лабораторна работа: изграждане на персонализиран прогнозен модел за отлив/резултат или числова прогноза
Интеграция с Power Apps и Power Automate
- Вграждане на AI Builder модели в приложения от тип canvas и model-driven
- Създаване на автоматизирани потоци за обработка на извлечени данни и задействане на бизнес действия
- Модели за проектиране на мащабируеми и поддържаеми приложения, управлявани от AI
- Практическа лабораторна работа: сценарий от край до край — качване на документ, OCR, прогнозиране и автоматизация на работния поток
Допълващи концепции за Process Mining (по избор)
- Как Process Mining помага за откриване, анализ и подобряване на процесите чрез журнали на събития
- Използване на резултатите от Process Mining за информиране на характеристиките на модела и автоматизиране на циклите за подобрение
- Практически пример: комбиниране на прозрения от Process Mining с AI Builder за намаляване на ръчните изключения
Продукционни съображения, управление и наблюдение
- Управление на данните, поверителност и съответствие при използване на AI Builder върху чувствителни документи
- Жизнен цикъл на модела: преобучение, версиониране и наблюдение на производителността
- Операционализиране на модели с предупреждения, табла за управление и валидиране с участие на човек
Обобщение и следващи стъпки
Изисквания
- Опит с Power Apps, Power Automate или администриране на Power Platform
- Познаване на концепциите за данни, основните идеи за машинно обучение и оценката на модели
- Уверена работа с набори от данни, експортиране от Excel/CSV и основно почистване на данни
Аудитория
- Разработчици на Power Platform и архитекти на решения
- Анализатори на данни и собственици на процеси, търсещи автоматизация чрез AI
- Ръководители на бизнес автоматизацията, фокусирани върху обработка на документи и сценарии за прогнозиране
Отзиви от участници (3)
Практически и практически лаборатории за разработване на отчети с помощта на Power BI. Лекциите бяха отлични, а треньорът предложи много полезни практически сесии.
Sinzala Sichaanji - Bank of Zambia
Курс - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Машинен превод
Правихме доста сложни примери, за да получим представа какво е реалната работа с Power Automate Desktop в реален сценарий.
Michal Strnad - MicroNova AG
Курс - Microsoft Flow/Power Automate
Машинен превод
Динамичен, адаптивен и информативен
Marcia - Complete Coherence
Курс - Microsoft Power Platform Fundamentals
Машинен превод