お問い合わせ

コース概要

AI BuilderとローコードAIの概要

  • AI Builderの機能と一般的なシナリオ
  • ライセン싱、ガバナンス、テナントレベルの考慮事項
  • Power Platform統合(Power Apps、Power Automate、Dataverse)の概要

OCRとフォーム処理:構造化および非構造化ドキュメント

  • 構造化テンプレートとフリーフォームドキュメントの違い
  • 学習データの準備:フィールドのラベリング、サンプルの多様性、品質ガイドライン
  • AI Builderフォーム処理モデルの構築と抽出精度の評価
  • 抽出データの後処理:検証、正規化、エラーハンドリング
  • ハンズオンラボ:混合フォームタイプからのOCR抽出と処理フローへの統合

予測モデル:クラス分類と回帰

  • プロブレンフレーミング:定性(クラス分類)vs 定量(回帰)タスク
  • Power Platformワークフロー内での機能準備と欠損データの処理
  • モデルのトレーニング、テスト、指標(精度、適合率、再現率、RMSE)の解釈
  • ビジネスユースケースにおけるモデルの解釈可能性と公正性の考慮
  • ハンズオンラボ:チャーンスコアまたは数値予測のためのカスタム予測モデルの構築

Power AppsおよびPower Automateとの統合

  • キャンバスアプリとモデル駆動型アプリへのAI Builderモデルの埋め込み
  • 抽出データを処理し、ビジネスアクションをトリガーする自動フローの作成
  • スケーラブルで保守しやすいAI駆動型アプリの設計パターン
  • ハンズオンラボ:エンドツーエンドシナリオ — ドキュメントアップロード、OCR、予測、ワークフローオートメーション

補完的なプロセスマイニングの概念(オプション)

  • イベントログを使用してプロセスを発見、分析、改善する方法でプロセスマイニングがどのように役立つか
  • プロセスマイニングの出力を使用してモデル機能を強化し、改善ループを自動化する
  • 実例:プロセスマイニングのインサイトとAI Builderを組み合わせて手動例外を削減する

プロダクション環境の考慮事項、ガバナンス、モニタリング

  • 機密文書でのAI Builder使用時のデータガバナンス、プライバシー、コンプライアンス
  • モデルライフサイクル:再トレーニング、バージョニング、パフォーマンスモニタリング
  • アラート、ダッシュボード、ヒューマン・イン・ザ・ループ検証によるモデルの運用化

まとめと次のステップ

要求

  • Power Apps、Power Automate、またはPower Platform管理の経験
  • データ概念、基本的なMLのアイデア、モデル評価への習熟
  • データセット、Excel/CSVエクスポート、基本的なデータクレンジングとの扱いに慣れていること

対象者

  • Power Platform開発者とソリューションアーキテクト
  • AIによるオートメーションを目指すデータアナリストとプロセスオーナー
  • ドキュメント処理と予測ユースケースに焦点を当てるビジネスオートメーションリーダー
 14 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (3)

今後のコース

関連カテゴリー