Hubungi Kami

Kerangka Materi

Pengantar AI Builder dan Konsep Machine Learning Berbasis Low-Code

  • Kemampuan utama AI Builder serta skenario penggunaannya yang umum
  • Aspek lisensi, tata kelola data, dan pertimbangan tingkat penyewa (tenant)
  • Gambaran integrasi AI Builder dengan komponen Power Platform lainnya (Power Apps, Power Automate, Dataverse)

Teknologi OCR dan Pemrosesan Formulir: Dokumen Terstruktur serta Tidak Terstruktur

  • Perbedaan mendasar antara template terstruktur dengan dokumen bebas format
  • Persiapan data pelatihan: penandaan bidang, keberagaman contoh, serta pedoman kualitas
  • Langkah pembentukan model pemrosesan formulir AI Builder dan cara menilai akurasi ekstraksinya
  • Tahap pasca-pemrosesan data: validasi, normalisasi, serta penanganan kesalahan
  • Latihan praktis: ekstraksi informasi melalui OCR dari beragam jenis formulir lalu mengintegrasikannya ke dalam alur kerja otomasi

Model Prediktif: Klasifikasi serta Regresi

  • Pengenalan bentuk permasalahan bisnis: tugas kualitatif (klasifikasi) dan kuantitatif (regresi)
  • Persiapan fitur model serta pengelolaan data yang tidak lengkap dalam ekosistem Power Platform
  • Proses pelatihan, pengujian, dan penafsiran metrik evaluasi (akurasi, presisi, recall, RMSE)
  • Aspek transparansi model serta prinsip keadilan dalam penerapan AI di ranah bisnis
  • Latihan praktis: pembuatan model prediksi khusus untuk memproyeksikan tingkat churn atau hasil numerik lainnya

Integrasi dengan Power Apps dan Power Automate

  • Cara menyematkan model AI Builder ke dalam aplikasi Canvas maupun berbasis model-driven
  • Pembuatan alur kerja otomatis untuk memproses informasi hasil ekstraksi dan memicu tindakan bisnis sesuai prosedur
  • Pola perancangan aplikasi AI yang mudah dikembangkan serta dipelihara secara berskala besar
  • Latihan menyeluruh: mengunggah dokumen, melakukan ekstraksi OCR, membuat prediksi, lalu mengeksekusi serangkaian otomasi

Konsep Process Mining Sebagai Pelengkap (Opsional)

  • Penjelasan mengenai bagaimana metode Process Mining membantu menemukan, menganalisis, serta menyempurnakan alur kerja menggunakan log peristiwa
  • Pemanfaatan hasil analisis Process Mining guna memperbaiki variabel model serta memulai siklus optimisasi otomatis
  • Contoh praktis: menggabungkan wawasan dari Process Mining dan AI Builder demi meminimalisir terjadinya pengecualian yang membutuhkan intervensi manual

Aspek Produksi, Tata Kelola Data, serta Pengawasan Model

  • Prinsip tata kelola data, privasi informasi, serta kepatuhan hukum ketika memanfaatkan AI Builder pada dokumen sensitif
  • Siklus hidup model: cara melakukan pelatihan ulang, pengelolaan versi, dan pemantauan performa secara berkelanjutan
  • Pengoperasian sistem AI melalui pemberitahuan otomatis, panel kontrol visual, serta proses validasi yang tetap melibatkan campur tangan manusia

Penutup dan Arah Pengembangan Selanjutnya

Persyaratan

  • Pengalaman dalam penggunaan Power Apps, Power Automate, atau administrasi Power Platform
  • Pemahaman terhadap konsep dasar data, teknik machine learning, serta metode evaluasi model
  • Kemampuan mengolah dataset, melakukan ekspor ke format Excel/CSV, serta membersihkan data secara sederhana

Target Peserta

  • Para pengembang dan arsitek solusi Power Platform
  • Analis data serta pemilik proses bisnis yang menginginkan otomasi dengan memanfaatkan AI
  • Pemimpin tim otomasi bisnis yang fokus pada penggunaan teknik pemrosesan dokumen dan prediksi secara efisien
 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait