Kurzusleírás

AI Builder és Alacsony Kódú AI Bevezetése

  • AI Builder képességei és gyakori helyzetek
  • Licenszelés, kormányzás, és bérleményi szintű szempontok
  • Power Platform integrációi áttekintése (Power Apps, Power Automate, Dataverse)

OCR és Űrlapfeldolgozás: Strukturált és Nestrukturált Dokumentumok

  • Strukturált sablonok és szabadforma dokumentumok közötti különbségek
  • Tanítási adatok előkészítése: mezők címkézése, mintapéldák sokfélesége, és minőségi irányelvek
  • AI Builder űrlapfeldolgozási modellek létrehozása és kivonási pontoságának kiértékelése
  • Kivont adatok utófeldolgozása: validálás, normalizálás és hibakezelés
  • Pratikus munka: OCR kivonás kevert űrlaptípusokból és integrálása feldolgozási folyamba

Prediktív Modellek: Osztályozás és Regresszió

  • Problem definiálása: minőségi (osztályozás) vs. mennyiségi (regresszió) feladatok
  • Jelzők előkészítése és hiányzó adatok kezelése a Power Platform munkafolyamokban
  • Modell tanítása, tesztelése és metrikák értelmezése (pontosság, pontosság, visszahívás, RMSE)
  • Modell magyarázhatósága és igazságossági szempontok üzleti esetekben
  • Pratikus munka: saját prediktív modell létrehozása elvesztés/skórzás vagy numerikus előrejelzésre

Integráció Power Apps és Power Automate-al

  • AI Builder modellek beépítése vásznonos és modellvezérlő alkalmazásokba
  • Automatizált folyamatok létrehozása kivont adatok feldolgozásához és üzleti műveletek kiváltásához
  • Minta minták skálázható, karbantartható AI-alapú alkalmazásokhoz
  • Pratikus munka: teljes folyamat – dokumentumfeltöltés, OCR, predikció és munkafolyamat automatizálása

Process Mining Kiegészítő Konzcepciók (Opcionális)

  • Hogyan segít a Process Mining a folyamatok felfedezésében, elemzésében és javításában eseménynaplók segítségével
  • Process Mining kimeneteinek felhasználása modelljelzők meghatározásához és automatizált javítási ciklusok létrehozásához
  • Pratikus példa: Process Mining információk kombinálása AI Builder-rel a kézi kivételek csökkentésére

Termelési Szempontok, Gokormányzás és Monitorozás

  • Adatkormányzás, bizalmas adatokkal való munkában való magánéletvédelem és megfelelőség AI Builder használatakor
  • Modell életciklus: újra tanítás, verziókövetés és teljesítmény monitorozás
  • Modellek üzemeltetése értesítések, dashbordek és ember-beleképzéses validálással

Összegzés és Következő Lépések

Követelmények

  • Tapasztalat a Power Apps, Power Automate, vagy Power Platform adminisztrációban
  • Ismeret az adatfogalmakkal, az alap ML elképzelésekkel és modellértékeléssel
  • Bizalom a datasetekkel, Excel/CSV exportokkal és alap adat tisztítással

Audience

  • Power Platform fejlesztők és megoldásarchitekták
  • Adatanalitikák és folyamat tulajdonosok, akik AI segítségével automatikusítanak
  • Business automatikusítási vezetők, akik dokumentumfeldolgozás és előrejelzési használati esetekre koncentrálnak
 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák