Struttura del corso
Introduzione ad AI Builder e all'IA Low-Code
- Funzionalità di AI Builder e scenari comuni
- Licenze, governance e considerazioni a livello di tenant
- Panoramica delle integrazioni Power Platform (Power Apps, Power Automate, Dataverse)
OCR ed elaborazione dei moduli: documenti strutturati e non strutturati
- Differenze tra template strutturati e documenti liberi
- Preparazione dei dati di addestramento: etichettatura dei campi, diversità dei campioni e linee guida sulla qualità
- Creazione di un modello di elaborazione moduli AI Builder e valutazione dell'accuratezza dell'estrazione
- Post-elaborazione dei dati estratti: validazione, normalizzazione e gestione degli errori
- Laboratorio pratico: estrazione OCR da tipi di modulo misti e integrazione in un flusso di elaborazione
Modelli di previsione: classificazione e regressione
- Definizione del problema: task qualitativi (classificazione) vs quantitativi (regressione)
- Preparazione delle feature e gestione dei dati mancanti nei workflow di Power Platform
- Addestramento, test e interpretazione delle metriche del modello (accuratezza, precisione, recall, RMSE)
- Spiegabilità dei modelli e considerazioni di equità nei casi d'uso aziendali
- Laboratorio pratico: creazione di un modello di previsione personalizzato per il churn/score o previsioni numeriche
Integrazione con Power Apps e Power Automate
- Incorporazione dei modelli AI Builder in app canvas e model-driven
- Creazione di flussi automatizzati per elaborare i dati estratti e scatenare azioni aziendali
- Pattern di progettazione per app guidate dall'IA scalabili e manutenibili
- Laboratorio pratico: scenario end-to-end — caricamento documento, OCR, previsione e automazione del workflow
Concetti complementari di Process Mining (Facoltativo)
- Come il Process Mining aiuta a scoprire, analizzare e migliorare i processi utilizzando i log degli eventi
- Utilizzo dei risultati del Process Mining per informare le feature dei modelli e automatizzare i cicli di miglioramento
- Esempio pratico: combinare le intuizioni del Process Mining con AI Builder per ridurre le eccezioni manuali
Considerazioni per la produzione, governance e monitoraggio
- Governance dei dati, privacy e conformità quando si utilizza AI Builder su documenti sensibili
- Ciclo di vita del modello: riaddestramento, versioning e monitoraggio delle prestazioni
- Operazionalizzazione dei modelli con allerte, dashboard e validazione con umano-in-the-loop
Riepilogo e prossimi passi
Requisiti
- Esperienza con Power Apps, Power Automate o l'amministrazione di Power Platform
- Conoscenza dei concetti di dati, delle nozioni base di ML e della valutazione dei modelli
- Abilità nel lavorare con set di dati, esportazioni Excel/CSV e pulizia base dei dati
Pubblico di riferimento
- Sviluppatori e architetti di soluzioni di Power Platform
- Analisti di dati e responsabili dei processi interessati all'automazione tramite IA
- Leader dell'automazione aziendale focalizzati su casi d'uso di elaborazione documenti e previsioni
Recensioni (3)
Laboratori pratici e manuali sullo sviluppo di report con Power BI I laboratori sono stati eccellenti e il formatore ha offerto sessioni pratiche molto valide
Sinzala Sichaanji - Bank of Zambia
Corso - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Traduzione automatica
Abbiamo fatto esempi abbastanza complessi, così da poter avere un'idea di come il lavoro reale con Power Automate Desktop possa apparire in una situazione reale.
Michal Strnad - MicroNova AG
Corso - Microsoft Flow/Power Automate
Traduzione automatica
Dinamico, adattivo e informativo
Marcia - Complete Coherence
Corso - Microsoft Power Platform Fundamentals
Traduzione automatica