Εξέλιξη Κομματιού
Εισαγωγή στο AI Builder και την AI Χαμηλού Κώδικα
- Δυνατότητες του AI Builder και συνήθη σενάρια
- Αδειοδότηση, διακυβέρνηση και ζητήματα σε επίπεδο tenant
- Επισκόπηση των ενσωματώσεων στο Power Platform (Power Apps, Power Automate, Dataverse)
OCR και Επεξεργασία Εντύπων: Δομημένα και Μη Δομημένα Έγγραφα
- Διαφορές μεταξύ δομημένων προτύπων και εγγράφων ελεύθερης μορφής
- Προετοιμασία δεδομένων εκπαίδευσης: επισήμανση πεδίων, ποικιλομορφία δειγμάτων και οδηγίες ποιότητας
- Δημιουργία μοντέλου επεξεργασίας εντύπων AI Builder και αξιολόγηση της ακρίβειας εξαγωγής
- Μετα-επεξεργασία εξαγόμενων δεδομένων: επικύρωση, κανονικοποίηση και διαχείριση σφαλμάτων
- Εργαστήριο πρακτικής εξάσκησης: εξαγωγή OCR από μικτούς τύπους εντύπων και ενσωμάτωση σε ροή επεξεργασίας
Μοντέλα Πρόβλεψης: Ταξινόμηση και Παλινδρόμηση
- Ορισμός προβλήματος: ποιοτικές (ταξινόμηση) έναντι ποσοτικών (παλινδρόμηση) εργασίες
- Προετοιμασία χαρακτηριστικών και διαχείριση ελλιπών δεδομένων σε ροές εργασίας του Power Platform
- Εκπαίδευση, δοκιμή και ερμηνεία των μετρήσεων μοντέλου (ακρίβεια, precision, recall, RMSE)
- Επεξηγησιμότητα μοντέλου και ζητήματα δικαιοσύνης σε επιχειρηματικές περιπτώσεις χρήσης
- Εργαστήριο πρακτικής εξάσκησης: δημιουργία προσαρμοσμένου μοντέλου πρόβλεψης για churn/score ή αριθμητική πρόβλεψη
Ενσωμάτωση με Power Apps και Power Automate
- Ενσωμάτωση μοντέλων AI Builder σε εφαρμογές canvas και model-driven
- Δημιουργία αυτοματοποιημένων ροών για την επεξεργασία εξαγόμενων δεδομένων και την ενεργοποίηση επιχειρηματικών ενεργειών
- Πρότυπα σχεδίασης για κλιμακούμενες, συντηρήσιμες εφαρμογές που βασίζονται στην AI
- Εργαστήριο πρακτικής εξάσκησης: σενάριο πλήρους κύκλου — μεταφόρτωση εγγράφου, OCR, πρόβλεψη και αυτοματισμός ροής εργασίας
Συμπληρωματικές Έννοιες Process Mining (Προαιρετικό)
- Πώς το Process Mining βοηθά στην ανακάλυψη, ανάλυση και βελτίωση διαδικασιών χρησιμοποιώντας αρχεία καταγραφής συμβάντων
- Χρήση των αποτελεσμάτων του Process Mining για την ενημέρωση των χαρακτηριστικών του μοντέλου και την αυτοματοποίηση βρόχων βελτίωσης
- Πρακτικό παράδειγμα: συνδυασμός πληροφοριών Process Mining με το AI Builder για τη μείωση των χειροκίνητων εξαιρέσεων
Παραγωγικές Σκέψεις, Διακυβέρνηση και Παρακολούθηση
- Διακυβέρνηση δεδομένων, απόρρητο και συμμόρφωση κατά τη χρήση του AI Builder σε ευαίσθητα έγγραφα
- Κύκλος ζωής μοντέλου: επανεκπαίδευση, έκδοση και παρακολούθηση απόδοσης
- Επιχειρησιακή αξιοποίηση μοντέλων με ειδοποιήσεις, πίνακες ελέγχου και επικύρωση με ανθρώπινη παρέμβαση
Σύνοψη και Επόμενα Βήματα
Απαιτήσεις
- Εμπειρία στη διαχείριση Power Apps, Power Automate ή Power Platform
- Εξοικείωση με έννοιες δεδομένων, βασικές ιδέες μηχανικής μάθησης (ML) και αξιολόγηση μοντέλων
- Άνεση στην εργασία με σύνολα δεδομένων, εξαγωγές Excel/CSV και βασικό καθαρισμό δεδομένων
Κοινό-στόχος
- Developers Power Platform και αρχιτέκτονες λύσεων
- Αναλυτές δεδομένων και ιδιοκτήτες διαδικασιών που αναζητούν αυτοματισμό μέσω AI
- Υπεύθυνοι αυτοματισμού επιχειρησιακών διαδικασιών που εστιάζουν σε σενάρια επεξεργασίας εγγράφων και πρόβλεψης
Σχόλια (2)
Έκαναμε αρκετά περίπλοκα παραδείγματα, ώστε να μπορέσουμε να έχουμε έναν γευματικό αίσθηση του πώς μπορεί να μοιράζεται η πραγματική εργασία με το Power Automate Desktop σε πραγματικό ρυθμό.
Michal Strnad - MicroNova AG
Κομμάτι - Microsoft Flow/Power Automate
Μηχανική Μετάφραση
Δυναμικό, προσαρμοστικό και επιπλέον πληροφοριακό
Marcia - Complete Coherence
Κομμάτι - Microsoft Power Platform Fundamentals
Μηχανική Μετάφραση