課程簡介

AI Builder與低代碼AI簡介

  • AI Builder的功能與常見應用場景
  • 許可、治理與租戶級別的考慮
  • 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並集成到處理流程中

預測模型:分類與迴歸

  • 問題框架:定性(分類)與定量(迴歸)任務
  • Power Platform工作流中的特徵準備與缺失數據處理
  • 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的集成

  • 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

補充的流程挖掘概念(可選)

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

生產考慮、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、儀表板與人工驗證操作化模型

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
  • 能夠處理數據集、Excel/CSV導出及基本數據清洗

受衆

  • Power Platform開發人員及解決方案架構師
  • 希望通過AI實現自動化的數據分析師及流程負責人
  • 專注於文檔處理及預測用例的Business自動化負責人
 14 時間:

客戶評論 (2)

課程分類