Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
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
Vélemények (2)
Meglehetősen összetett példákat mutattunk be, hogy megértsük, milyen lehet a valós munkafolyamat a Power Automate Desktop használatával a való életben.
Michal Strnad - MicroNova AG
Kurzus - Microsoft Flow/Power Automate
Gépi fordítás
Dinamikus, alkalmazkodó és informatív
Marcia - Complete Coherence
Kurzus - Microsoft Power Platform Fundamentals
Gépi fordítás