Plan du cours
Introduction à AI Builder et à l'IA à faible code
- Capacités d'AI Builder et scénarios courants
- Licences, gouvernance et considérations au niveau du locataire
- Aperçu des intégrations de la plate-forme Power Platform (Power Apps, Power Automate, Dataverse)
OCR et traitement de formulaires : Documents structurés et non structurés
- Différences entre les modèles structurés et les documents libres-forme
- Préparation des données d'entraînement : étiquetage des champs, diversité des échantillons et lignes directrices de qualité
- Construction d'un modèle de traitement de formulaires AI Builder et évaluation de la précision de l'extraction
- Post-traitement des données extraites : validation, normalisation et gestion des erreurs
- Atelier pratique : extraction OCR à partir de types de formulaires mixtes et intégration dans un flux de traitement
Modèles de prédiction : Classification et régression
- Définition du problème : tâches qualitatives (classification) vs quantitatives (régression)
- Préparation des caractéristiques et gestion des données manquantes dans les flux de la plate-forme Power Platform
- Entraînement, test et interprétation des indicateurs de modèle (précision, précision, rappel, RMSE)
- Explicabilité du modèle et considérations d'équité dans les cas d'utilisation commerciaux
- Atelier pratique : création d'un modèle de prédiction personnalisé pour la désabonnement/score ou la prévision numérique
Intégration avec Power Apps et Power Automate
- Intégration des modèles AI Builder dans les applications de canevas et pilotées par modèle
- Création de flux automatisés pour traiter les données extraites et déclencher des actions commerciales
- Modèles de conception pour des applications pilotées par l'IA évolutives et maintenables
- Atelier pratique : scénario de bout en bout — téléchargement de document, OCR, prédiction et automatisation du flux de travail
Concepts de Process Mining complémentaires (facultatif)
- Comment le Process Mining aide à découvrir, analyser et améliorer les processus à l'aide de journaux d'événements
- Utilisation des résultats du Process Mining pour informer les caractéristiques du modèle et automatiser les boucles d'amélioration
- Exemple pratique : combiner les informations du Process Mining avec AI Builder pour réduire les exceptions manuelles
Considérations de production, gouvernance et surveillance
- Gouvernance des données, confidentialité et conformité lors de l'utilisation d'AI Builder sur des documents sensibles
- Cycle de vie du modèle : réentraînement, versionnement et surveillance des performances
- Opérationnalisation des modèles avec des alertes, des tableaux de bord et une validation humaine
Résumé et prochaines étapes
Pré requis
- Expérience avec Power Apps, Power Automate ou l'administration de la plate-forme Power Platform
- Connaissance des concepts de données, des idées de base sur le ML et de l'évaluation des modèles
- Aise à travailler avec des ensembles de données, des exportations Excel/CSV et un nettoyage de données de base
Audience
- Développeurs Power Platform et architectes de solutions
- Analystes de données et responsables de processus recherchant l'automatisation par l'IA
- Responsables en automatisation des affaires axés sur le traitement de documents et les cas d'utilisation de prédiction
Nos clients témoignent (2)
Nous avons travaillé sur des exemples assez complexes afin de pouvoir nous faire une idée de ce que peut ressembler le travail réel avec Power Automate Desktop dans un scénario réel.
Michal Strnad - MicroNova AG
Formation - Microsoft Flow/Power Automate
Traduction automatique
Dynamique, adaptable et informatif
Marcia - Complete Coherence
Formation - Microsoft Power Platform Fundamentals
Traduction automatique