Kurzusleírás
Bevezetés az AI Builderbe és az alacsony kódolású AI-ba
- Az AI Builder képességei és gyakori forgatókönyvek
- Licencelés, irányítás és bérlőszintű megfontolások
- A Power Platform-integrációk áttekintése (Power Apps, Power Automate, Dataverse)
OCR és űrlapfeldolgozás: strukturált és strukturálatlan dokumentumok
- A strukturált sablonok és a szabad formátumú dokumentumok közötti különbségek
- Tanítóadatok előkészítése: mezőcímkézés, mintaváltozatosság és minőségi irányelvek
- AI Builder űrlapfeldolgozó modell építése és a kinyerési pontosság értékelése
- A kinyert adatok utófeldolgozása: ellenőrzés, normalizálás és hibakezelés
- Gyakorlati labor: OCR-kinyerés vegyes űrlaptípusokból és integrálás feldolgozási folyamatba
Előrejelző modellek: osztályozás és regresszió
- Probléma-meghatározás: minőségi (osztályozási) és mennyiségi (regressziós) feladatok
- Jellemzők előkészítése és a hiányzó adatok kezelése a Power Platform munkafolyamataiban
- Tanítás, tesztelés és a modellmetrikák értelmezése (pontosság, precizitás, visszahívás, RMSE)
- A modell magyarázhatósága és méltányossági szempontok üzleti használati esetekben
- Gyakorlati labor: egyéni előrejelző modell építése lemorzsolódási pontszámhoz vagy numerikus előrejelzéshez
Integráció a Power Apps-szel és a Power Automate-tel
- AI Builder modellek beágyazása vászon- és modellvezérelt alkalmazásokba
- Automatizált folyamatok létrehozása a kinyert adatok feldolgozására és üzleti műveletek kiváltására
- Tervezési minták skálázható, karbantartható AI-vezérelt alkalmazásokhoz
- Gyakorlati labor: teljes körű forgatókönyv — dokumentumfeltöltés, OCR, előrejelzés és munkafolyamat-automatizálás
Kiegészítő folyamatbányászati koncepciók (opcionális)
- Hogyan segít a folyamatbányászat a folyamatok felfedezésében, elemzésében és fejlesztésében eseménynaplók segítségével
- A folyamatbányászat kimeneteinek felhasználása a modelljellemzők megalapozására és a fejlesztési hurkok automatizálására
- Gyakorlati példa: folyamatbányászati betekintések kombinálása az AI Builderrel a manuális kivételek csökkentése érdekében
Éles környezeti megfontolások, irányítás és monitorozás
- Adatirányítás, adatvédelem és megfelelőség az AI Builder érzékeny dokumentumokon való használatakor
- Modell-életciklus: újratanítás, verziókezelés és teljesítményfigyelés
- Modellek üzemeltetése riasztásokkal, irányítópultokkal és emberi jóváhagyásos ellenőrzéssel
Összefoglalás és a következő lépések
Követelmények
- Tapasztalat a Power Apps, a Power Automate vagy a Power Platform adminisztrációja terén
- Az adatkezelési fogalmak, az alapvető gépi tanulási elképzelések és a modellértékelés ismerete
- Magabiztos munkavégzés adatkészletekkel, Excel/CSV-exportokkal és alapvető adattisztítással
Célközönség
- Power Platform-fejlesztők és megoldástervezők
- Adatelemzők és folyamattulajdonosok, akik AI-alapú automatizálást keresnek
- Üzleti automatizálási vezetők, akik a dokumentumfeldolgozásra és az előrejelzési használati esetekre összpontosítanak
Vélemények (3)
Gyakorlati és gyakorlatorientált laborok a jelentéskészítésről Power BI használatával A laborok kiválóak voltak, és az oktató nagyon jó gyakorlati órákat kínált
Sinzala Sichaanji - Bank of Zambia
Kurzus - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Gépi fordítás
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