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
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative