聯繫我們

課程簡介

AI Builder與低程式碼AI介紹

  • AI Builder功能與常見應用場景
  • 授權、治理及租用戶層級考量事項
  • Power Platform整合概述(Power Apps、Power Automate、Dataverse)

OCR與表單處理:結構化與非結構化文件

  • 結構化範本與自由格式文件之間的差異
  • 準備訓練資料:標記欄位、樣本多樣性與品質指導原則
  • 建立AI Builder表單處理模型並評估提取準確度
  • 提取後資料處理:驗證、標準化與錯誤處理
  • 實作實驗室:從混合表單類型進行OCR提取,並整合至處理流程

預測模型:分類與回歸

  • 問題框架:質性(分類)與定量(回歸)任務
  • 特徵準備與處理Power Platform工作流程中的遺漏資料
  • 訓練、測試及解釋模型指標(準確率、精確率、召回率、均方根誤差)
  • 業務應用場景中的模型可解釋性與公平性考量
  • 實作實驗室:為客戶流失/評分或數值預測建立自訂預測模型

與Power Apps和Power Automate整合

  • 將AI Builder模型嵌入畫布應用程式與模型驅動應用程式
  • 建立自動化流程以處理提取的資料並觸發業務動作
  • 可擴展、易維護的AI驅動應用程式設計模式
  • 實作實驗室:端到端情境——文件上傳、OCR、預測與工作流程自動化

補充流程挖掘概念(選修)

  • 流程挖掘如何協助發現、分析並改善使用事件日誌的流程
  • 利用流程挖掘輸出結果來優化模型特徵並自動化改善循環
  • 實務範例:結合流程挖掘洞見與AI Builder以減少人工例外狀況

生產環境考量、治理與監控

  • 在敏感文件上使用AI Builder時的資料治理、隱私與合規要求
  • 模型生命週期:重新訓練、版本控制與效能監控
  • 透過告警、儀表板及人工驗證將模型 operationalize

總結與下一步行動

最低要求

  • 具備Power Apps、Power Automate或Power Platform管理經驗
  • 熟悉資料概念、基礎機器學習觀念與模型評估
  • 熟練操作資料集、Excel/CSV匯出及基礎資料清理工作

受眾對象

  • Power Platform開發人員與解決方案架構師
  • 尋求透過AI實現自動化的資料分析師與流程負責人
  • 專注於文件處理與預測案例的業務自動化主管
 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