课程大纲

AI Builder与低代码AI简介

  • AI Builder的功能与常见应用场景
  • 许可、治理与租户级别的考虑
  • Power Platform集成概述(Power Apps、Power Automate、Dataverse)

OCR与表单处理:结构化与非结构化文档

  • 结构化模板与自由格式文档的区别
  • 准备训练数据:字段标注、样本多样性与质量指南
  • 构建AI Builder表单处理模型并评估提取准确性
  • 提取数据的后处理:验证、规范化与错误处理
  • 实践实验室:从混合表单类型中提取OCR并集成到处理流程中

预测模型:分类与回归

  • 问题框架:定性(分类)与定量(回归)任务
  • Power Platform工作流中的特征准备与缺失数据处理
  • 训练、测试与解释模型指标(准确率、精确率、召回率、RMSE)
  • 业务用例中的模型可解释性与公平性考虑
  • 实践实验室:构建自定义预测模型用于流失/评分或数值预测

与Power Apps和Power Automate的集成

  • 将AI Builder模型嵌入画布应用和模型驱动应用
  • 创建自动化流程以处理提取的数据并触发业务操作
  • 可扩展、可维护的AI驱动应用的设计模式
  • 实践实验室:端到端场景——文档上传、OCR、预测与工作流自动化

补充的流程挖掘概念(可选)

  • 流程挖掘如何通过事件日志发现、分析与改进流程
  • 使用流程挖掘输出来指导模型特征并自动化改进循环
  • 实践示例:结合流程挖掘洞察与AI Builder以减少手动异常

生产考虑、治理与监控

  • 使用AI Builder处理敏感文档时的数据治理、隐私与合规性
  • 模型生命周期:重新训练、版本控制与性能监控
  • 通过警报、仪表板与人工验证操作化模型

总结与下一步

要求

  • 具备Power Apps、Power Automate或Power Platform管理经验
  • 熟悉数据概念、基本机器学习理念及模型评估
  • 能够处理数据集、Excel/CSV导出及基本数据清洗

受众

  • Power Platform开发人员及解决方案架构师
  • 希望通过AI实现自动化的数据分析师及流程负责人
  • 专注于文档处理及预测用例的Business自动化负责人
 14 小时

客户评论 (2)

即将举行的公开课程

课程分类