聯繫我們

課程簡介

AI Builder 與低代碼 AI 介紹

  • AI Builder 的功能及常見場景
  • 許可證、治理及租戶層級的考慮事項
  • Power Platform 集成概覽(Power Apps、Power Automate、Dataverse)

OCR 與表單處理:結構化与非結構化文檔

  • 結構化模板與自由格式文檔之間的區別
  • 準備訓練數據:標註字段、樣本多樣性及質量指南
  • 構建 AI Builder 表單處理模型並評估提取準確性
  • 處理提取後的數據:驗證、規範化及錯誤處理
  • 動手實驗:從混合表單類型中提取 OCR 數據並整合到處理流程中

預測模型:分類與回歸

  • 問題框架:定性(分類)與定量(回歸)任務
  • 在 Power Platform 工作流中準備特徵及處理缺失數據
  • 訓練、測試及解讀模型指標(準確率、精確度、召回率、RMSE)
  • 商業用例中的模型可解釋性與公平性考慮
  • 動手實驗:構建用於離職/評分或數值預測的自定義預測模型

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型應用
  • 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、易維護的 AI 驅動應用設計模式
  • 動手實驗:端到端場景——文檔上傳、OCR、預測及工作流自動化

補充性流程挖掘概念(選修)

  • 流程挖掘如何協助利用事件日誌發現、分析和改進流程
  • 使用流程挖掘輸出信息來指導模型特徵並自動化改進循環
  • 實際示例:結合流程挖掘洞察與 AI Builder 以減少人工異常處理

生產環境考慮、治理與監控

  • 使用 AI Builder 處理敏感文檔時的數據治理、隱私及合規性
  • 模型生命週期:重訓練、版本管理及性能監控
  • 通過警報、儀表板和人工干預驗證來實現模型運營化

總結與後續步驟

最低要求

  • 具有 Power Apps、Power Automate 或 Power Platform 管理的經驗
  • 熟悉數據概念、基本的機器學習理念及模型評估
  • 能熟練處理數據集、Excel/CSV 導出以及基本的數據清洗

目標受眾

  • 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負責人
 14 小時

客戶評論 (3)

課程分類