Kurzusleírás

Bevezetés az AI Builderbe és az alacsony kódolású AI-ba

  • AI Builder képességek és gyakori forgatókönyvek
  • Licencelés, irányítás és bérlőszintű szempontok
  • Áttekintés a Power Platform integrációiról (Power Apps, Power Automate, Dataverse)

OCR és űrlapfeldolgozás: Strukturált és strukturálatlan dokumentumok

  • Különbségek strukturált sablonok és szabad formátumú dokumentumok között
  • Képzési adatok előkészítése: mezők címkézése, minták sokszínűsége és minőségi irányelvek
  • AI Builder űrlapfeldolgozó modell építése és a kinyerés pontosságának értékelése
  • Kinyert adatok utófeldolgozása: érvényesítés, normalizálás és hibakezelés
  • Gyakorlati labor: OCR kinyerés vegyes űrlaptípusokból és integrálás egy feldolgozási folyamatba

Előrejelző modellek: Osztályozás és regresszió

  • Probléma meghatározása: kvalitatív (osztályozás) vs kvantitatív (regresszió) feladatok
  • Jellemzők előkészítése és hiányzó adatok kezelése Power Platform munkafolyamatokon belül
  • Modell tanítása, tesztelése és metrikák értelmezése (pontosság, precízió, visszahívás, RMSE)
  • Modell magyarázhatósága és tisztességességi szempontok üzleti használati esetekben
  • Gyakorlati labor: egyedi előrejelző modell építése lemorzsolódás/pontszám vagy numerikus előrejelzéshez

Integráció Power Apps és Power Automate segítségével

  • AI Builder modellek beágyazása vászon- és modellvezérelt alkalmazásokba
  • Automatizált folyamatok létrehozása a kinyert adatok feldolgozására és üzleti műveletek indítására
  • Tervezési minták skálázható, karbantartható AI-alapú alkalmazásokhoz
  • Gyakorlati labor: végpontok közötti forgatókönyv – dokumentumfeltöltés, OCR, előrejelzés és munkafolyamat automatizálás

Kiegészítő Process Mining koncepciók (Opcionális)

  • Hogyan segít a Process Mining a folyamatok felfedezésében, elemzésében és javításában eseménynaplók segítségével
  • Process Mining kimenetek felhasználása modell jellemzők tájékoztatására és automatizált javítási ciklusok létrehozására
  • Gyakorlati példa: Process Mining eredmények kombinálása AI Builderrel a manuális kivételek csökkentésére

Termelési szempontok, irányítás és monitorozás

  • Adatirányítás, adatvédelem és megfelelőség érzékeny dokumentumokon történő AI Builder használatakor
  • Modell életciklus: újratanítás, verziókezelés és teljesítmény monitorozás
  • Modellek operacionalizálása riasztások, irányítópultok és emberi ellenőrzés segítségével

Összefoglalás és következő lépések

Követelmények

  • Tapasztalat Power Apps, Power Automate vagy Power Platform adminisztrációval
  • Ismeret az adatkoncepciókkal, alapvető ML ötletekkel és modellértékeléssel
  • Kényelem az adathalmazok, Excel/CSV exportok és alapvető adattisztítás használatában

Közönség

  • Power Platform fejlesztők és megoldásarchitekták
  • Adatelemzők és folyamattulajdonosok, akik automatizálást keresnek AI segítségével
  • Üzleti automatizálási vezetők, akik a dokumentumfeldolgozásra és előrejelzési használati esetekre fókuszálnak
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák