Contattataci
 Durata 14 ore

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

Numero di Partecipanti


Prezzo per partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative