Εξέλιξη Κομματιού
Εισαγωγή στο AI Builder και την Τεχνητή Νοημοσύνη Χαμηλού Κώδικα
- Δυνατότητες του AI Builder και κοινά σενάρια
- Αδειοδότηση, διακυβέρνηση και ζητήματα σε επίπεδο μισθωτή
- Επισκόπηση των ενσωματώσεων Power Platform (Power Apps, Power Automate, Dataverse)
OCR και Επεξεργασία Φορμών: 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 φορμών AI Builder και αξιολόγηση της ακρίβειας εξαγωγής
- Μετα-επεξεργασία εξαγόμενων δεδομένων: επικύρωση, κανονικοποίηση και διαχείριση σφαλμάτων
- Πρακτικό εργαστήριο: εξαγωγή OCR από μικτούς τύπους φορμών και ενσωμάτωση σε ροή επεξεργασίας
Μοντέλα Πρόβλεψης: Ταξινόμηση και Παλινδρόμηση
- Διαμόρφωση προβλήματος: ποιοτικές (ταξινόμηση) έναντι ποσοτικών (παλινδρόμηση) εργασιών
- Προετοιμασία χαρακτηριστικών και διαχείριση ελλειπόντων δεδομένων εντός ροών εργασίας Power Platform
- Εκπαίδευση, δοκιμή και ερμηνεία μετρικών μοντέλου (ακρίβεια, ανάκληση, ακρίβεια θετικών προβλέψεων, RMSE)
- Επεξηγησιμότητα μοντέλου και ζητήματα δικαιοσύνης σε επιχειρηματικές περιπτώσεις χρήσης
- Πρακτικό εργαστήριο: δημιουργία προσαρμοσμένου μοντέλου πρόβλεψης για αποχώρηση/βαθμολογία ή αριθμητική πρόβλεψη
Ενσωμάτωση με Power Apps και Power Automate
- Ενσωμάτωση μοντέλων AI Builder σε εφαρμογές canvas και model-driven
- Δημιουργία αυτοματοποιημένων ροών για επεξεργασία εξαγόμενων δεδομένων και ενεργοποίηση επιχειρηματικών ενεργειών
- Πρότυπα σχεδίασης για κλιμακούμενες, συντηρήσιμες εφαρμογές με τεχνητή νοημοσύνη
- Πρακτικό εργαστήριο: σενάριο από άκρο σε άκρο — μεταφόρτωση εγγράφου, OCR, πρόβλεψη και αυτοματοποίηση ροής εργασίας
Συμπληρωματικές Έννοιες Process Mining (Προαιρετικό)
- Πώς το Process Mining βοηθά στην ανακάλυψη, ανάλυση και βελτίωση διαδικασιών χρησιμοποιώντας αρχεία καταγραφής συμβάντων
- Χρήση αποτελεσμάτων Process Mining για την ενημέρωση χαρακτηριστικών μοντέλων και την αυτοματοποίηση βρόχων βελτίωσης
- Πρακτικό παράδειγμα: συνδυασμός πληροφοριών Process Mining με AI Builder για μείωση χειροκίνητων εξαιρέσεων
Ζητήματα Παραγωγής, Διακυβέρνηση και Παρακολούθηση
- Διακυβέρνηση δεδομένων, απόρρητο και συμμόρφωση κατά τη χρήση AI Builder σε ευαίσθητα έγγραφα
- Κύκλος ζωής μοντέλου: επανεκπαίδευση, εκδόσεις και παρακολούθηση απόδοσης
- Λειτουργικοποίηση μοντέλων με ειδοποιήσεις, πίνακες εργαλείων και επικύρωση με ανθρώπινη συμμετοχή
Σύνοψη και Επόμενα Βήματα
Απαιτήσεις
- Εμπειρία με Power Apps, Power Automate ή διαχείριση Power Platform
- Εξοικείωση με έννοιες δεδομένων, βασικές ιδέες μηχανικής μάθησης και αξιολόγηση μοντέλων
- Άνεση στην εργασία με σύνολα δεδομένων, εξαγωγές Excel/CSV και βασικό καθαρισμό δεδομένων
Κοινό
- Προγραμματιστές Power Platform και αρχιτέκτονες λύσεων
- Αναλυτές δεδομένων και υπεύθυνοι διαδικασιών που επιδιώκουν αυτοματοποίηση μέσω τεχνητής νοημοσύνης
- Υπεύθυνοι αυτοματοποίησης επιχειρήσεων με έμφαση σε περιπτώσεις χρήσης επεξεργασίας εγγράφων και πρόβλεψης
Σχόλια (3)
Πρακτικά και εφ' άμα πλάτου εργαστήρια για την ανάπτυξη αναφορών με χρήση του Power BI Τα εργαστήρια ήταν εξαιρετικά και ο εκπαιδευτής παρείχε πολύ καλές πρακτικές ασκήσεις
Sinzala Sichaanji - Bank of Zambia
Κομμάτι - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Μηχανική Μετάφραση
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
