Schulungsübersicht
Einführung in AI Builder und Low-Code-KI
- AI-Builder-Fähigkeiten und gängige Szenarien
- Lizenzierung, Governance und Tenant-Ebene-Betrachtungen
- Überblick über die Power-Platform-Integrationen (Power Apps, Power Automate, Dataverse)
OCR und Formularverarbeitung: Strukturierte und unstrukturierte Dokumente
- Unterschiede zwischen strukturierten Vorlagen und Freiform-Dokumenten
- Vorbereitung der Trainingsdaten: Beschriftung von Feldern, Diversität der Stichproben und Qualitätsrichtlinien
- Erstellen eines AI-Builder-Formularverarbeitungsmodells und Bewertung der Extraktionsgenauigkeit
- Nachbearbeitung extrahierter Daten: Validierung, Normalisierung und Fehlerbehandlung
- Praktische Laborübung: OCR-Extraktion aus gemischten Formulartypen und Integration in einen Verarbeitungsworkflow
Vorhersagemodelle: Klassifizierung und Regression
- Problembeschreibung: Qualitative (Klassifizierung) vs. quantitative (Regression) Aufgaben
- Feature-Vorbereitung und Behandlung fehlender Daten innerhalb von Power-Platform-Workflows
- Training, Testen und Interpretation von Modellmetriken (Genauigkeit, Präzision, Recall, RMSE)
- Erklärbare Modelle und Fairness-Betrachtungen in geschäftlichen Use-Cases
- Praktische Laborübung: Erstellen eines benutzerdefinierten Vorhersagemodells für Churn/Score oder numerische Prognose
Integration in Power Apps und Power Automate
- Einbettung von AI-Builder-Modellen in Canvas- und modellgesteuerte Apps
- Erstellung automatisierter Workflows zur Verarbeitung extrahierter Daten und Auslösung von Geschäftsaktionen
- Designmuster für skalierbare und wartbare KI-gestützte Apps
- Praktische Laborübung: End-to-End-Szenario – Dokumentenupload, OCR, Vorhersage und Workflow-Automatisierung
Ergänzende Process-Mining-Konzepte (Optional)
- Wie Process Mining hilft, Prozesse unter Verwendung von Eventlogs zu entdecken, zu analysieren und zu verbessern
- Verwendung von Process-Mining-Ergebnissen zur Information von Modellfeatures und Automatisierung von Verbesserungsschleifen
- Praktisches Beispiel: Kombination von Process-Mining-Erkenntnissen mit AI Builder zur Reduzierung manueller Ausnahmen
Produktionsbetrachtungen, Governance und Überwachung
- Daten-Governance, Datenschutz und Compliance bei der Verwendung von AI Builder für sensible Dokumente
- Modelllebenszyklus: Retraining, Versionierung und Leistungsüberwachung
- Operationalisierung von Modellen mit Alerts, Dashboards und Human-in-the-Loop-Validierung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Power Apps, Power Automate oder der Verwaltung der Power Platform
- Vertrautheit mit Datenkonzepten, grundlegenden ML-Ideen und der Modellbewertung
- Vertrautheit im Umgang mit Datensätzen, Excel-/CSV-Exporten und der grundlegenden Datenbereinigung
Zielgruppe
- Power-Platform-Entwickler und Lösungsarchitekten
- Datenanalysten und Prozessverantwortliche, die Automatisierung durch KI anstreben
- Verantwortliche für Geschäftsautomatisierung mit Fokus auf Dokumentenverarbeitung und Vorhersageanwendungen
Erfahrungsberichte (3)
Praktische und praktische Labs zur Entwicklung von Berichten mit Power BI. Die Labs waren hervorragend, und der Trainer bot sehr gute praktische Sitzungen an.
Sinzala Sichaanji - Bank of Zambia
Kurs - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Maschinelle Übersetzung
Wir haben ziemlich komplexe Beispiele durchgegangen, um ein Gefühl dafür zu bekommen, wie die Arbeit mit Power Automate Desktop in einem realen Szenario aussehen kann.
Michal Strnad - MicroNova AG
Kurs - Microsoft Flow/Power Automate
Maschinelle Übersetzung
Dynamisch, anpassungsfähig und informativ
Marcia - Complete Coherence
Kurs - Microsoft Power Platform Fundamentals
Maschinelle Übersetzung
