课程大纲

AI Builder与低代码AI简介

  • AI Builder功能与常见场景。
  • 许可、治理与租户级别注意事项。
  • 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数据并将其集成到处理流程中。

预测模型:分类与回归

  • 问题框架:定性(分类)与定量(回归)任务。
  • 特征准备与在Power Platform工作流中处理缺失数据。
  • 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集成

  • 将AI Builder模型嵌入Canvas与模型驱动型应用中。
  • 创建自动化流程以处理提取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Process Mining概念(可选)

  • Process Mining如何通过事件日志发现、分析与改进流程。
  • 使用Process Mining输出来指导模型特征并自动化改进循环。
  • 实践示例:结合Process Mining洞察与AI Builder,减少手动异常。

生产注意事项、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、仪表板与人工验证来操作模型。

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。
  • 能够熟练处理数据集、Excel/CSV导出及基本数据清理。

受众

  • Power Platform开发人员与解决方案架构师。
  • 寻求通过AI实现自动化的数据分析师与流程负责人。
  • 专注于文档处理与预测用例的业务自动化领导者。
 14 小时

客户评论 (2)

即将举行的公开课程

课程分类