Temario del curso
Introducción a AI Builder e IA de código bajo
- Capacidades de AI Builder y escenarios comunes
- Licenciamiento, gobernanza y consideraciones a nivel de inquilino (tenant)
- Resumen 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 en 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 de AI Builder y evaluación de la precisión de extracción
- Post-procesamiento de datos extraídos: validación, normalización y manejo de errores
- Laboratorio práctico: extracción por OCR desde tipos de formularios mixtos e integración en un flujo de procesamiento
Modelos de Predicción: Clasificación y Regresión
- Encuadre 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, pruebas e interpretación de métricas del modelo (precisión, exactitud, recall, RMSE)
- Explicabilidad de los modelos y consideraciones de equidad en casos de uso empresarial
- Laboratorio práctico: construir un modelo de predicción personalizado para tasa de cancelación (churn)/puntuación o pronóstico numérico
Integración con Power Apps y Power Automate
- Incorporación de modelos de AI Builder en aplicaciones canvas y aplicaciones orientadas a modelos
- Creación de flujos automatizados para procesar datos extraídos y disparar acciones empresariales
- Patrones de diseño para aplicaciones impulsadas por IA escalables y mantenibles
- Laboratorio práctico: escenario de extremo a extremo: carga de documentos, OCR, predicción y automatización de flujos de trabajo
Conceptos complementarios de Process Mining (Opcional)
- Cómo el Process Mining ayuda a descubrir, analizar y mejorar procesos utilizando registros de eventos
- Uso de las salidas de Process Mining para informar características del modelo y automatizar ciclos de mejora
- Ejemplo práctico: combinar las perspectivas del Process Mining con AI Builder para reducir excepciones manuales
Consideraciones de producción, gobernanza y monitoreo
- Gobernanza de datos, privacidad y cumplimiento al usar AI Builder con documentos sensibles
- Ciclo de vida del modelo: reentrenamiento, control de versiones y monitoreo de rendimiento
- Operativización 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
- Familiaridad con conceptos de datos, ideas básicas de Machine Learning (ML) y evaluación de modelos
- Familiaridad para trabajar con conjuntos de datos, exportaciones de Excel/CSV y limpieza básica de datos
Audiencia
- Desarrolladores y arquitectos de soluciones de Power Platform
- Analistas de datos y propietarios de procesos que buscan 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
