연락처 정보

코스 개요

AI Builder 및 로우코드 기반 인공지능의 개요

  • AI Builder의 주요 기능 및 대표적인 활용 시나리오
  • 라이선스 정책, 거버넌스 체계 및 테넌트 단위 관리 사항
  • Power Apps, Power Automate, Dataverse 등 Power Platform과의 통합 방식 소개

OCR 및 양식 처리: 구조화된 문서와 비구조화된 문서 활용법

  • 구조화된 템플릿 기반 문서와 자유 형식의 문서 간 차이점 설명
  • 훈련용 데이터 준비법: 필드 라벨링, 샘플 다양성 확보 및 품질 관리 지침 안내
  • AI Builder 양식 처리 모델 제작 후 추출 결과의 정확도 평가 방법
  • 추출된 데이터의 유효성 검사, 표준화 작업 및 오류 해결 전략 설명
  • 다양한 형태의 양식에서 OCR 데이터를 추출하고 이를 자동화된 프로세스와 연동하는 실습

예측 모델: 분류 및 회귀 기법 활용법

  • 정성적(분류) 과제와 정량적(회귀) 과제로 구분된 문제 설정 접근법
  • Power Platform 워크플로 내에서 데이터 특징 준비 및 결측값 처리 전략
  • 모델 훈련/테스트 시 활용되는 지표 분석: 정확도, 정밀도, 재현율 및 RMSE 설명
  • 비즈니스 환경에서의 모델 해석 가능성 확보 및 공정성 보장 방안 제시
  • 고객 이탈 예측 또는 수치 데이터 예측을 위한 맞춤형 모델 구축 실습 진행

Power Apps 및 Power Automate와의 통합 방법론

  • 캔버스 앱과 모델 기반 앱 내부에 AI Builder 모델을 탑재하는 절차 설명
  • 추출된 데이터를 바탕으로 자동화 워크플로 생성하고 비즈니스 행동을 트리거하는 방법
  • 확장성과 유지관리가 용이한 인공지능 기반 애플리케이션 설계 패턴 안내
  • 문서 업로드부터 OCR 처리, 예측 분석 및 자동화된 워크플로 실행에 이르는 종합적인 시나리오 실습

보완적 프로세스 마이닝 개념 활용법 (선택 과목)

  • 이벤트 로그 데이터를 활용해 비즈니스 프로세스를 발견하고 분석하며 개선하는 프로세스 마이닝의 역할
  • 모델 피처 선정 및 자동화 프로세스 최적화 기회 포착을 위해 프로세스 마이닝 결과를 활용하는 법
  • 실제 사례: 수동 조치가 필요한 예외 상황을 줄이기 위해 AI Builder와 프로세스 마이닝을 결합한 방법 소개

운영 시 고려사항, 거버넌스 및 모델 모니터링 방안

  • 민감한 정보가 포함된 문서를 AI Builder로 처리할 때의 데이터 거버넌스, 개인정보 보호 및 법규 준수 사항
  • 모델 생명주기 관리: 재훈련 주기 설정, 버전 관리 및 성능 지속적인 감시 체계
  • 알림 시스템, 대시보드 활용과 인간 개입을 통한 모델 유효성 검증 절차 설명

교육 과정 요약 및 향후 발전 방향 안내

요건

  • Power Apps, Power Automate 또는 Power Platform 관리 경험이 있어야 합니다
  • 데이터 개념, 기초적인 머신러닝 지식 및 모델 평가 방법에 대한 이해가 필요합니다
  • 데이터셋 다루기, Excel/CSV 내보내기 작업 및 기본적인 데이터 정제 작업에 익숙해야 합니다

수강 대상

  • Power Platform 개발자 및 솔루션 아키텍트
  • 인공지능을 활용해 자동화를 추구하는 데이터 분석가 및 프로세스 관리 담당자
  • 문서 처리 및 예측 기능 구현에 관심 있는 비즈니스 자동화 리더들
 14 시간

참가자 수


참가자별 가격

회원 평가 (3)

예정된 코스

관련 카테고리