課程簡介

AI Builder與低代碼AI簡介

  • AI Builder功能與常見場景。
  • 許可、治理與租戶級別注意事項。
  • Power Platform集成概述(Power Apps、Power Automate、Dataverse)。

OCR與表單處理:結構化與非結構化文檔

  • 結構化模板與自由格式文檔的區別。
  • 準備訓練數據:字段標註、樣本多樣性與質量指南。
  • 構建AI Builder表單處理模型並評估提取準確性。
  • 提取數據的後處理:驗證、規範化與錯誤處理。
  • 實踐實驗室:從混合表單類型中提取OCR數據並將其集成到處理流程中。

預測模型:分類與迴歸

  • 問題框架:定性(分類)與定量(迴歸)任務。
  • 特徵準備與在Power Platform工作流中處理缺失數據。
  • 訓練、測試與解釋模型指標(準確率、精確率、召回率、RMSE)。
  • 業務用例中的模型可解釋性與公平性考慮。
  • 實踐實驗室:構建自定義預測模型,用於流失/評分或數值預測。

與Power Apps和Power Automate集成

  • 將AI Builder模型嵌入Canvas與模型驅動型應用中。
  • 創建自動化流程以處理提取數據並觸發業務操作。
  • 可擴展、可維護的AI驅動應用的設計模式。
  • 實踐實驗室:端到端場景——文檔上傳、OCR、預測與工作流自動化。

補充的Process Mining概念(可選)

  • Process Mining如何通過事件日誌發現、分析與改進流程。
  • 使用Process Mining輸出來指導模型特徵並自動化改進循環。
  • 實踐示例:結合Process Mining洞察與AI Builder,減少手動異常。

生產注意事項、治理與監控

  • 使用AI Builder處理敏感文檔時的數據治理、隱私與合規性。
  • 模型生命週期:重新訓練、版本控制與性能監控。
  • 通過警報、儀表板與人工驗證來操作模型。

總結與下一步

最低要求

  • 具備Power Apps、Power Automate或Power Platform管理經驗。
  • 熟悉數據概念、基本機器學習理念及模型評估。
  • 能夠熟練處理數據集、Excel/CSV導出及基本數據清理。

受衆

  • Power Platform開發人員與解決方案架構師。
  • 尋求通過AI實現自動化的數據分析師與流程負責人。
  • 專注於文檔處理與預測用例的業務自動化領導者。
 14 小時

客戶評論 (2)

課程分類