联系我们

课程大纲

AI Builder与低代码AI简介

  • AI Builder的功能和常见场景
  • 许可、治理和租户级考量
  • Power Platform集成概览(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之间的差异
  • 准备训练数据:字段标注、样本多样性和质量指南
  • 构建AI Builder表单处理模型并评估提取准确性
  • 后处理提取数据:验证、规范化和错误处理
  • 动手实验:从混合表单类型中进行OCR提取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
  • 在Power Platform工作流中进行特征准备和处理缺失数据
  • 训练、测试和解释模型指标(准确性、精确度、召回率、RMSE)
  • 业务用例中的模型可解释性和公平性考量
  • 动手实验:为流失/评分或数值预测构建自定义预测模型

与Power Apps和Power Automate集成

  • 将AI Builder模型嵌入画布应用和模型驱动应用中
  • 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
  • 动手实验:端到端场景——文档上传、OCR、预测和工作流自动化

补充性流程挖掘概念(可选)

  • 流程挖掘如何利用事件日志发现、分析和改进流程
  • 利用流程挖掘输出为模型特征提供信息并自动化改进循环
  • 实际示例:将流程挖掘洞察与AI Builder结合,减少人工异常处理

生产考量、治理与监控

  • 在敏感文档上使用AI Builder时的数据治理、隐私和合规性
  • 模型生命周期:再训练、版本控制和性能监控
  • 通过警报、仪表板和人机回环验证实现模型运营化

总结与后续步骤

要求

  • 具备Power Apps、Power Automate或Power Platform管理经验
  • 熟悉数据概念、基础机器学习理念和模型评估
  • 能够处理数据集、Excel/CSV导出和基本数据清洗

目标受众

  • Power Platform开发人员和解决方案架构师
  • 希望通过AI实现自动化的数据分析师和流程负责人
  • 专注于文档处理和预测用例的业务自动化负责人
 14 小时

客户评论 (3)

即将举行的公开课程

课程分类