Kerangka Materi
Pengantar AI Builder dan AI Berkode Rendah
- Kemampuan AI Builder dan skenario umum
- Lisensi, tata kelola, dan pertimbangan tingkat tenant
- Gambaran umum integrasi Power Platform (Power Apps, Power Automate, Dataverse)
OCR dan Pemrosesan Formulir: Dokumen Terstruktur dan Tidak Terstruktur
- Perbedaan antara template terstruktur dan dokumen bebas format (free-form)
- Mempersiapkan data pelatihan: pelabelan field, keragaman sampel, dan pedoman kualitas
- Membangun model pemrosesan formulir AI Builder dan mengevaluasi akurasi ekstraksi
- Pemrosesan pasca data terekstrak: validasi, normalisasi, dan penanganan kesalahan
- Laboratorium praktik: ekstraksi OCR dari campuran jenis formulir dan integrasi ke dalam alur pemrosesan
Model Prediksi: Klasifikasi dan Regresi
- Framing masalah: tugas kualitatif (klasifikasi) vs kuantitatif (regresi)
- Persiapan fitur dan penanganan data yang hilang dalam alur kerja Power Platform
- Pelatihan, pengujian, dan interpretasi metrik model (akurasi, presisi, recall, RMSE)
- Keterbacaan model (explainability) dan pertimbangan keadilan dalam kasus penggunaan bisnis
- Laboratorium praktik: bangun model prediksi kustom untuk skor churn/prediksi atau perkiraan numerik
Integrasi dengan Power Apps dan Power Automate
- Menanamkan model AI Builder ke dalam aplikasi canvas dan model-driven
- Membuat alur otomatis untuk memproses data terekstrak dan memicu tindakan bisnis
- Pola desain untuk aplikasi berbasis AI yang dapat diskalakan dan dipelihara
- Laboratorium praktik: skenario end-to-end — unggah dokumen, OCR, prediksi, dan otomasi alur kerja
Konsep Process Mining Pendukung (Opsional)
- Bagaimana Process Mining membantu menemukan, menganalisis, dan meningkatkan proses menggunakan log peristiwa
- Menggunakan output Process Mining untuk memberikan informasi pada fitur model dan mengotomatisasi loop perbaikan
- Contoh praktis: menggabungkan wawasan Process Mining dengan AI Builder untuk mengurangi pengecualian manual
Pertimbangan Produksi, Tata Kelola, dan Pemantauan
- Tata kelola data, privasi, dan kepatuhan saat menggunakan AI Builder pada dokumen sensitif
- Siklus hidup model: pelatihan ulang (retraining), versioning, dan pemantauan kinerja
- Operasionalisasi model dengan peringatan (alerts), dasbor, dan validasi manusia-sebagai-loop (human-in-the-loop)
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pengalaman dengan Power Apps, Power Automate, atau administrasi Power Platform
- Pemahaman tentang konsep data, ide dasar ML, dan evaluasi model
- Kenyamanan bekerja dengan dataset, ekspor Excel/CSV, dan pembersihan data dasar
Audiens
- Pengembang dan arsitek solusi Power Platform
- Analis data dan pemilik proses yang mencari otomasi melalui AI
- Pemimpin otomasi bisnis yang berfokus pada kasus penggunaan pemrosesan dokumen dan prediksi
Testimoni (3)
Lab praktis dan langsung tentang pengembangan laporan menggunakan Power BI Lab-lab tersebut sangat bagus, dan pelatih memberikan sesi praktik yang sangat baik.
Sinzala Sichaanji - Bank of Zambia
Kursus - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Diterjemahkan Mesin
Kami melakukan contoh yang cukup kompleks, sehingga kami bisa merasakan bagaimana pekerjaan nyata dengan Power Automate Desktop dapat terlihat dalam skenario dunia nyata.
Michal Strnad - MicroNova AG
Kursus - Microsoft Flow/Power Automate
Diterjemahkan Mesin
Dinamis, adaptif, dan informatif
Marcia - Complete Coherence
Kursus - Microsoft Power Platform Fundamentals
Diterjemahkan Mesin
