Temario del curso
Introducción a AI Builder y la IA de código bajo
- Capacidades de AI Builder y escenarios comunes
- Licenciamiento, gobernanza y consideraciones a nivel de inquilino (tenant)
- 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 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 la extracción
- Procesamiento posterior de los datos extraídos: validación, normalización y manejo de errores
- Laboratorio práctico: extracción OCR de tipos mixtos de formularios e integración en un flujo de procesamiento
Modelos de Predicción: Clasificación y Regresión
- Planteamiento del problema: tareas cualitativas (clasificación) vs. 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, sensibilidad, RMSE)
- Explicabilidad de modelos y consideraciones de equidad en casos de uso comerciales
- Laboratorio práctico: construir un modelo de predicción personalizado para tasa de cancelación/puntuación o pronóstico numérico
Integración con Power Apps y Power Automate
- Incorporación de modelos de AI Builder en aplicaciones canvas y dirigidas por modelos
- Creación de flujos automatizados para procesar datos extraídos y desencadenar acciones comerciales
- Patrones de diseño para aplicaciones impulsadas por IA escalables y mantenibles
- Laboratorio práctico: escenario integral — 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
- Utilización de las salidas de Process Mining para informar las características del modelo y automatizar ciclos de mejora
- Ejemplo práctico: combinar los conocimientos de Process Mining con AI Builder para reducir excepciones manuales
Consideraciones de producción, gobernanza y monitoreo
- Gobernanza de datos, privacidad y cumplimiento normativo al usar AI Builder con documentos sensibles
- Ciclo de vida del modelo: reentrenamiento, control de versiones y monitoreo del rendimiento
- Operacionalización de modelos con alertas, paneles de control (dashboards) y validación humana (human-in-the-loop)
Resumen y próximos pasos
Requerimientos
- Experiencia con Power Apps, Power Automate o administración de Power Platform
- Conocimiento de conceptos de datos, ideas básicas de aprendizaje automático (ML) y evaluación de modelos
- Facilidad para trabajar con conjuntos de datos, exportaciones de Excel/CSV y limpieza básica de datos
Público objetivo
- Desarrolladores de Power Platform y arquitectos de soluciones
- Analistas de datos y propietarios de procesos que buscan la automatización mediante IA
- Líderes de automatización de negocios 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
