Struttura del corso
Introduzione ad AI Builder e AI a Codice Minimo
- Capacità di AI Builder e scenari comuni
- Licenze, governance e considerazioni a livello tenant
- Panoramica delle integrazioni Power Platform (Power Apps, Power Automate, Dataverse)
OCR e Processamento dei Moduli: Documenti Strutturati e Non Strutturati
- Differenze tra modelli strutturati e documenti a forma libera
- Preparazione dei dati di training: etichettatura dei campi, diversità delle campioni e linee guida sulla qualità
- Costruzione di un modello di processamento dei moduli AI Builder e valutazione della precisione dell'estrazione
- Post-processing dei dati estratti: validazione, normalizzazione e gestione degli errori
- Laboratorio pratico: estrazione OCR da tipi di moduli misti e integrazione in un flusso di lavoro
Modelli Predittivi: Classificazione e Regressione
- Definizione del problema: compiti qualitativi (classificazione) vs quantitativi (regressione)
- Preparazione delle feature e gestione dei dati mancanti all'interno dei flussi di lavoro Power Platform
- Addestramento, testing e interpretazione delle metriche del modello (accuratezza, precisione, richiamo, RMSE)
- Spiegabilità e considerazioni di equità dei modelli nei casi d'uso aziendali
- Laboratorio pratico: costruzione di un modello predittivo personalizzato per il turnover o la previsione numerica
Integrazione con Power Apps e Power Automate
- Inserimento dei modelli AI Builder in app a canvas e guidate dai modelli
- Creazione di flussi di lavoro automatizzati per elaborare i dati estratti e attivare azioni aziendali
- Pattern di progettazione per app guidate dall'AI scalabili e mantenibili
- Laboratorio pratico: scenario end-to-end — upload del documento, OCR, previsione e automazione del flusso di lavoro
Concetti Complementari di Process Mining (Opzionale)
- Come il Process Mining aiuta a scoprire, analizzare e migliorare i processi utilizzando log degli eventi
- Utilizzo degli output di Process Mining per informare le feature dei modelli e automatizzare loop di miglioramento
- Esempio pratico: combinazione delle informazioni del Process Mining con AI Builder per ridurre le eccezioni manuali
Considerazioni di Produzione, Governance e Monitoraggio
- Governance dei dati, privacy e conformità nell'uso di AI Builder su documenti sensibili
- Ciclo di vita del modello: riaddestramento, versioning e monitoraggio delle prestazioni
- Operationalizzazione dei modelli con avvisi, dashboard e validazione umana nel loop
Riepilogo e Prossimi Passaggi
Requisiti
- Esperienza con Power Apps, Power Automate o amministrazione di Power Platform
- Familiarità con concetti di dati, idee base di ML e valutazione dei modelli
- Comfort nel lavorare con set di dati, esportazioni Excel/CSV e pulizia di base dei dati
Pubblico Obiettivo
- Sviluppatori e architetti delle soluzioni di Power Platform
- Analisti di dati e proprietari dei processi che cercano automazione attraverso l'AI
- Leader dell'automazione aziendale focalizzati su casi d'uso di elaborazione documentale e previsione
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
