聯繫我們

課程簡介

簡介:AI Builder 與簡易代碼 AI

  • AI Builder 的功能與常見情境
  • 授權、治理及租戶層次的考量
  • Power Platform 整合概覽(Power Apps、Power Automate、Dataverse)

OCR 與表單處理:結構化與非結構化文件

  • 結構化模板與自由格式文件之間的差異
  • 準備訓練數據:標記欄位、樣本多樣性及品質準則
  • 建構 AI Builder 表單處理模型並評估擷取準確度
  • 處理擷取後的數據:驗證、正規化及錯誤處理
  • 實作實驗室:從混合表單類型進行 OCR 擷取並整合至處理流程中

預測模型:分類與回歸

  • 問題定義:定性(分類)與定量(回歸)任務的比較
  • 在 Power Platform 工作流程中進行特徵準備及缺失數據處理
  • 訓練、測試及解讀模型指標(準確度、精確度、召回率、RMSE)
  • 商業應用案例中的模型可解釋性與公平性考量
  • 實作實驗室:建立用於流失/評分或數值預測的自訂預測模型

與 Power Apps 和 Power Automate 的整合

  • 將 AI Builder 模型嵌入畫布式(canvas)及模型驅動型(model-driven)應用程式
  • 創建自動化流程以處理擷取數據並觸發商業動作
  • 設計可擴展且可維護的 AI 驅動應用程式的架構模式
  • 實作實驗室:端到端情境——文件上傳、OCR、預測及工作流程自動化

補充流程挖掘概念(選修)

  • 流程挖掘如何利用事件日誌來發現、分析及改進流程
  • 利用流程挖掘輸出結果來資訊化模型特徵並自動化改進迴路
  • 實務示例:結合流程挖掘見解與 AI Builder 以減少人工例外處理

生產環境考量、治理與監控

  • 在使用 AI Builder 處理敏感文件時的數據治理、隱私及合規性
  • 模型生命週期:再訓練、版本控制及效能監控
  • 透過警報、儀表板及人工介入驗證(human-in-the-loop)實現模型的運營化

總結與後續步驟

最低要求

  • 具備 Power Apps、Power Automate 或 Power Platform 管理經驗
  • 熟悉數據概念、基礎機器學習理念及模型評估
  • 能熟練操作數據集、Excel/CSV 匯出及基礎數據清理

目標學員

  • Power Platform 開發人員與解決方案架構師
  • 尋求透過 AI 實現自動化的數據分析師與流程負責人
  • 專注於文件處理與預測應用場景的商業自動化負責人
 14 小時

人數


每位參與者的報價

客戶評論 (3)

即將到來的課程

課程分類