Temario del curso
Introducción a AI Builder y la IA de código bajo
- Capacidades de AI Builder y escenarios comunes.
- Licencias, gobernanza y consideraciones a nivel de inquilino.
- Visión general de las integraciones de Power Platform (Power Apps, Power Automate, Dataverse).
OCR y procesamiento de formularios: Documentos estructurados y no estructurados
- Diferencias entre plantillas estructuradas y documentos de formato libre.
- Preparación de datos de entrenamiento: etiquetado de campos, diversidad de muestras y directrices de calidad.
- Construcción de un modelo de procesamiento de formularios en AI Builder y evaluación de la precisión de la extracción.
- Postprocesamiento de datos extraídos: validación, normalización y manejo de errores.
- Laboratorio práctico: extracción OCR de tipos de formularios mixtos e integración en un flujo de procesamiento.
Modelos de predicción: Clasificación y regresión
- Definición del problema: tareas cualitativas (clasificación) vs. cuantitativas (regresión).
- Preparación de características y manejo de datos faltantes en los flujos de trabajo de Power Platform.
- Entrenamiento, pruebas e interpretación de métricas del modelo (precisión, exactitud, recall, RMSE).
- Explicabilidad del modelo y consideraciones de equidad en los casos de uso empresarial.
- Laboratorio práctico: construcción de un modelo de predicción personalizado para puntuación de fuga (churn) o pronóstico numérico.
Integración con Power Apps y Power Automate
- Incorporación de modelos de AI Builder en aplicaciones de lienzo (canvas) y controladas por modelos (model-driven).
- Creación de flujos automatizados para procesar datos extraídos y disparar acciones comerciales.
- Patrones de diseño para aplicaciones impulsadas por IA escalables y mantenibles.
- Laboratorio práctico: escenario de extremo a extremo — carga de documento, OCR, predicción y automatización del flujo de trabajo.
Conceptos complementarios de Minería de Procesos (Opcional)
- Cómo la Minería de Procesos ayuda a descubrir, analizar y mejorar procesos utilizando registros de eventos.
- Uso de los resultados de la Minería de Procesos para informar las características del modelo y automatizar los bucles de mejora.
- Ejemplo práctico: combinar las insights de la Minería de Procesos con AI Builder para reducir excepciones manuales.
Consideraciones de producción, gobernanza y monitoreo
- Gobernanza de datos, privacidad y cumplimiento cuando se utiliza AI Builder con documentos sensibles.
- Ciclo de vida del modelo: reentrenamiento, versionado y monitoreo del rendimiento.
- Operacionalización de modelos con alertas, paneles de control (dashboards) y validación con intervención humana.
Resumen y próximos pasos
Requerimientos
- Experiencia con Power Apps, Power Automate o la administración de Power Platform.
- Conocimiento de conceptos de datos, ideas básicas de aprendizaje automático (ML) y evaluación de modelos.
- Familiaridad con el trabajo con conjuntos de datos, exportaciones de Excel/CSV y limpieza básica de datos.
Público objetivo
- Desarrolladores y arquitectos de soluciones de Power Platform.
- Analistas de datos y propietarios de procesos que buscan la automatización mediante IA.
- Líderes de automatización empresarial enfocados en casos de uso de procesamiento de documentos y predicción.
Reseñas (3)
Laboratorios prácticos y manuales sobre desarrollo de informes utilizando Power BI Los laboratorios fueron excelentes y el instructor ofreció sesiones muy prácticas
Sinzala Sichaanji - Bank of Zambia
Curso - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Traducción Automática
Hicimos ejemplos bastante complejos para poder hacerse una idea de cómo puede ser el trabajo real con Power Automate Desktop en un escenario del mundo real.
Michal Strnad - MicroNova AG
Curso - Microsoft Flow/Power Automate
Traducción Automática
El conocimiento de la aplicacion y sus usos
