Temario del curso
Introducción a AI Builder e IA de Bajo Código
- Capacidades de AI Builder y escenarios comunes
- Licencias, gobernanza y consideraciones a nivel del inquilino (tenant)
- Descripción general de las integraciones con 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 pautas de calidad
- Construcción de un modelo de procesamiento de formularios en AI Builder y evaluación de la precisión de extracción
- Post-procesamiento de los datos extraídos: validación, normalización y manejo de errores
- Laboratorio práctico: extracción OCR desde tipos mixtos de formularios e integración en un flujo de procesamiento
Modelos de Predicción: Clasificación y Regresión
- Definición del problema: tareas cualitativas (clasificación) frente a cuantitativas (regresión)
- Preparación de características y manejo de datos faltantes dentro de los flujos de trabajo de Power Platform
- Entrenamiento, prueba e interpretación de las métricas del modelo (precisión, precisión, recuperación, RMSE)
- Explicabilidad del modelo y consideraciones de equidad en casos de uso empresarial
- Laboratorio práctico: construcción de un modelo de predicción personalizado para abandono/cuota o pronóstico numérico
Integración con Power Apps y Power Automate
- Incrustación de modelos AI Builder en aplicaciones basadas en lienzo y modelos
- Creación de flujos automatizados para procesar datos extraídos y desencadenar acciones empresariales
- Patrones de diseño para aplicaciones impulsadas por IA escalables y mantenibles
- Laboratorio práctico: escenario integral: carga de documento, OCR, predicción y automatización de flujos de trabajo
Conceptos Complementarios de Process Mining (Opcional)
- Cómo ayuda Process Mining a descubrir, analizar y mejorar procesos utilizando registros de eventos
- Uso de los resultados de Process Mining para informar las características del modelo y automatizar ciclos de mejora
- Ejemplo práctico: combinar perspectivas de Process Mining con AI Builder para reducir excepciones manuales
Consideraciones de Producción, Gobernanza y Monitoreo
- Gobernanza de datos, privacidad y cumplimiento al utilizar AI Builder en documentos confidenciales
- Ciclo de vida del modelo: reentrenamiento, versionado y monitoreo del rendimiento
- Puesta en producción de modelos con alertas, paneles y validación humana en el ciclo (human-in-the-loop)
Resumen y Próximos Pasos
Requerimientos
- Experiencia con Power Apps, Power Automate o administración de Power Platform
- Familiaridad con conceptos de datos, ideas básicas de ML y evaluación de modelos
- Comodidad trabajando con conjuntos de datos, exportaciones Excel/CSV y limpieza básica de datos
Audiencia Objetivo
- Desarrolladores y arquitectos de soluciones de Power Platform
- Analistas de datos y responsables de procesos que buscan automatización mediante IA
- Líderes de automatización empresarial centrados 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
