Temario del curso
Introducción a AI Builder y la IA low-code
- Capacidades de AI Builder y escenarios comunes
- Licenciamiento, gobernanza y consideraciones a nivel de inquilino (tenant)
- Panorama 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 con AI Builder y evaluación de la precisión de 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
- Encuadre del problema: tareas cualitativas (clasificación) vs cuantitativas (regresión)
- Preparación de características (features) y manejo de datos faltantes dentro de los flujos de trabajo de Power Platform
- Entrenamiento, prueba e interpretación de métricas del modelo (precisión, exactitud, recall, RMSE)
- Explicabilidad del modelo y consideraciones de equidad en casos de uso empresariales
- Laboratorio práctico: construir un modelo de predicción personalizado para churn/puntuación o pronóstico numérico
Integración con Power Apps y Power Automate
- Incorporación de modelos de AI Builder en aplicaciones canvas y model-driven
- Creación de flujos automatizados para procesar datos extraídos y disparar acciones de negocio
- 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 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 bucles de mejora
- Ejemplo práctico: combinar los insumos 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 sensibles
- Ciclo de vida del modelo: reentrenamiento, versionamiento y monitoreo de rendimiento
- Operativización de modelos con alertas, tableros (dashboards) y validación con intervención humana
Resumen y próximos pasos
Requerimientos
- Experiencia con Power Apps, Power Automate o administración de Power Platform
- Familiaridad con conceptos de datos, ideas básicas de aprendizaje automático (ML) y evaluación de modelos
- Manejo de conjuntos de datos, exportaciones a Excel/CSV y limpieza básica de datos
Audiencia
- Desarrolladores de Power Platform y arquitectos de soluciones
- Analistas de datos y dueños 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
