聯繫我們

課程簡介

AI Builder 和低代碼 AI 簡介

  • AI Builder 的功能和常見場景
  • 許可、治理和多租戶級別的考慮
  • Power Platform 集成概覽(Power Apps、Power Automate、Dataverse)

OCR 和表單處理:結構化和非結構化文檔

  • 結構化模板與自由表格式文檔之間的差異
  • 準備培訓數據:標記字段、樣本多樣性和質量指南
  • 構建 AI Builder 表單處理模型並評估提取精度
  • 後處理提取的數據:驗證、標準化和錯誤處理
  • 實操實驗室:從混合表單類型中提取 OCR 並集成到處理流程中

預測模型:分類和回歸

  • 問題框架:質性(分類)與定量(回歸)任務
  • 特徵準備和在 Power Platform 工作流中處理缺失數據
  • 訓練、測試和解釋模型指標(準確率、精確度、召回率、RMSE)
  • 商業用例中的模型可解釋性和公平性考量
  • 實操實驗室:構建用於流失/評分或數值預測的自定義預測模型

與 Power Apps 和 Power Automate 集成

  • 將 AI Builder 模型嵌入畫布應用和模型驅動應用
  • 創建自動化流程以處理提取的數據並觸發業務操作
  • 可擴展、可維護 AI 驅動應用的設計模式
  • 實操實驗室:端到端場景——文檔上傳、OCR、預測和工作流自動化

輔助的流程挖掘概念(可選)

  • 流程挖掘如何通過事件日誌發現、分析和改進流程
  • 使用流程挖掘輸出來指導模型特徵並自動化改進循環
  • 實例:結合流程挖掘洞察與 AI Builder 減少手動異常

生產考量、治理和監控

  • 使用 AI Builder 處理敏感文檔時的數據治理、隱私和合規性
  • 模型生命週期:重新訓練、版本控制和性能監控
  • 通過警報、儀表板和人機協作驗證將模型運營化

總結和後續步驟

最低要求

  • 具有 Power Apps、Power Automate 或 Power Platform 管理經驗
  • 熟悉數據概念、基本機器學習理念和模型評估
  • 能夠處理數據集、Excel/CSV 導出和基本數據清洗

受眾

  • Power Platform 開發人員和解決方案架構師
  • 尋求通過 AI 實現自動化的數據分析師和流程負責人
  • 專注於文檔處理和預測用例的業務自動化領隊
 14 小時

客戶評論 (3)

課程分類