Struttura del corso
Introduzione a AI Builder e alla programmazione con basso codice di IA
- Capacità di AI Builder e scenari comuni
- Licensing, governance e considerazioni a livello tenant
- Panoramica delle integrazioni della Power Platform (Power Apps, Power Automate, Dataverse)
OCR e Elaborazione Form: Documenti Strutturati ed Non Strutturati
- Differenze tra modelli strutturati e documenti free-form
- Preparazione dei dati di addestramento: etichettatura dei campi, diversità degli esempi e linee guida sulla qualità
- Creazione di un modello di elaborazione form AI Builder ed evaluzione della precisione dell'estrazione
- Post-elaborazione dei dati estratti: convalida, normalizzazione e gestione degli errori
- Laboratorio pratico: estrazione OCR da diversi tipi di moduli e integrazione in un flusso di elaborazione
Modelli Predictivi: Classificazione e Regressione
- Frammentazione del problema: compiti qualitativi (classificazione) vs quantitativi (regressione)
- Preparazione delle caratteristiche e gestione dei dati mancanti all'interno degli workflow della Power Platform
- Addestramento, testing ed interpretazione delle metriche del modello (precisione, precisione, recall, RMSE)
- Esplicabilità e considerazioni sulla equità del modello in casi di uso aziendale
- Laboratorio pratico: costruire un modello predittivo personalizzato per churn/score o previsione numerica
Integrazione con Power Apps e Power Automate
- Integrazione di modelli AI Builder in app canvas e model-driven apps
- Creazione di flussi automatizzati per elaborare dati estratti ed attivare azioni aziendali
- Pattern di progettazione per app guidate da IA scalabili e mantenibili
- Laboratorio pratico: scenario end-to-end - caricamento del documento, OCR, previsione ed automazione dei workflow
Concetti Complementari di Process Mining (Facoltativo)
- Come il Process Mining aiuta a scoprire, analizzare e migliorare i processi usando log eventi
- Utilizzo delle uscite del Process Mining per informare le caratteristiche dei modelli ed automatizzare cicli di miglioramento
- Esempio pratico: combinare le conoscenze acquisite dal Process Mining con AI Builder per ridurre eccezioni manuali
Considerazioni di Produzione, Governance e Monitoraggio
- Gestione dei dati, privacy ed conformità quando si utilizza AI Builder su documenti sensibili
- Ciclo di vita del modello: ritraining, versionamento ed il monitoraggio delle prestazioni
- Operationalizzazione dei modelli con avvisi, dashboard e validazione con feedback umano
Riepilogo e Passaggi Successivi
Requisiti
- Esperienza con Power Apps, Power Automate o l'amministrazione della Power Platform
- Familiarità con i concetti di dati, le idee di base dell'IA e la valutazione dei modelli
- Abitudine a lavorare con set di dati, Excel/esportazioni CSV e pulizia di base dei dati
Pubblico
- Sviluppatori della Power Platform e architetti delle soluzioni
- Analisti dei dati e proprietari dei processi in cerca di automazione attraverso l'IA
- Business leader dell'automazione concentrati sui casi d'uso del trattamento dei documenti e delle previsioni
Recensioni (2)
Ho pensato che il formatore fosse davvero coinvolgente e molto veloce nel rispondere alle domande relative al nostro lavoro e ha davvero adattato l'insegnamento alle nostre esigenze, andando oltre ogni limite per soddisfarle. Non potrei raccomandare abbastanza Shaun!
Tom King - Complete Coherence
Corso - Microsoft Power Platform Fundamentals
Traduzione automatica
I really admire Trainer's patience for all the people who were asking him to repeat something 4-5 times. I also believe that he has great knowledge about the topic, but like said above, we didn't spend enough time on this. Moreover, it was good it was hands-on training, where we could practice in real time what we're taught, but again, I'd like to know more about the PowerApps, not about SharePoint, as I'm really familiar with that one, and if I wanted to learn more, I'd probably just choose a training for the SharePoint, not PowerApps.