Benefícios do uso offline do Power Apps para empresas
Power Apps, um componente do Microsoft Power Platform, proporciona vários benefícios quando usado offline, sendo particularmente valioso para empresas e…
Você está interessado em aproveitar o poder da inteligência artificial e do aprendizado de máquina para prever e planejar suas despesas com saúde? Você está curioso para saber como o Power Apps, o Azure Machine Learning e o Open AI podem trabalhar juntos para criar soluções inovadoras? Não procure mais! Nesta postagem de blog, exploraremos como integrar Power Apps com Azure Machine Learning e Open AI usando Power Automate, criando um aplicativo de planejamento de despesas de saúde de ponta.
O aplicativo Health Expense Planner serve como uma ilustração de como essas tecnologias combinadas para solucionar desafios. Os conceitos e técnicas discutidos podem ser aplicados a vários domínios e casos de uso.
O Health Expense Power App é a principal interface do usuário para interagir com o projeto. Ele usa alguns elementos básicos da interface do usuário, como rótulos de texto e caixas de entrada, para tornar o aplicativo interativo.
A parte interessante do aplicativo é o botão de previsão. Ele é responsável por duas tarefas : chamar o AutoML Flow e o Open AI Connector.
ClearCollect(Result, AzureAutoMLFlow.Run(TextInput1.Text, TextInput1_1.Text, TextInput1_2.Text, TextInput1_3.Text, TextInput1_4.Text));
ClearCollect(explain, 'OpenAI(IndependentPublisher)'.Completion("text-davinci-003", "Use the given information about a person to create a plan to save " & First(Result).response & " USD for their health expenses" & "Their age is " & TextInput1.Text & " they are a " & TextInput1_1.Text & " having " & TextInput1_2.Text & " children.\n", {temperature: 0.3, max_tokens: 100, best_of: 1.0, frequency_penalty: 0.5}).choices);
A função ClearCollect armazena apenas o último resultado obtido. O Azure AutoML Flow é bastante simples. Ele apenas passa os parâmetros de entrada para o Flow que retorna a resposta e armazena em Result.
O conector Open AI usa o método Text Completion. O modelo text-davinci-003 utilizado com base nos resultados e na documentação fornecida no site da Open AI. Finalmente, um prompt passado para o conector junto com alguns parâmetros. Para o prompt, ele foi criado de forma que os parâmetros de entrada também sejam incluídos junto com as despesas resultantes. Eles estão vinculados de maneira significativa para que o Large Language Model of Open AI seja processado adequadamente.
O fluxo chamado pelo botão Predict no Power App. Ele usa um Power Automate para passar a entrada para o modelo e obter os resultados de volta.
O HTTP usa o método POST. Precisamos fornecer a URL do ponto de extremidade implantado do modelo junto com o esquema de entrada e os parâmetros de entrada do Power App. Isso é enviado como uma solicitação ao terminal usando uma solicitação POST.
O Parse JSON usa o esquema de resposta que gerado automaticamente fornecendo uma resposta de amostra
Em seguida, passamos os resultados de volta para o Power App como uma resposta
ML Automatizado do Azure
O processo de criação do modelo foi extremamente fácil e intuitivo usando o AutoML, pois fornece uma GUI onde precisamos apenas selecionar os parâmetros necessários, definir a variável de destino (no caso de regressão) e alguns outros detalhes básicos, como validação cruzada e métricas.
Instruções para implantar seu próprio modelo de AutoML do Azure
O serviço seleciona automaticamente o melhor modelo. Em seguida, podemos implantar o melhor modelo ou fazer algumas alterações, se necessário. Depois de implantado, obtemos um ponto de extremidade para ser usado no Power Automate Flow.
Usamos o conjunto de dados de despesas de saúde do Kaggle para criar o modelo de previsão (baseado em regressão). Um instantâneo do conjunto de dados e da distribuição é mostrado abaixo:
Usamos o Open AI Independent Publisher Connector para acessar a API. Precisamos adicionar o conector adicionando-o como uma fonte de dados e, em seguida, criando uma conexão. Para criar a conexão, também precisamos fornecer a chave de API da Open AI Platform .
Depois que a conexão é criada, o conector nos permite usar a API no Power App como qualquer outra função ou método.
Você também pode dar uma olhada na Integração do Microsoft Power Platform com o Azure Machine Learning aqui para obter mais detalhes técnicos.
Power Apps, um componente do Microsoft Power Platform, proporciona vários benefícios quando usado offline, sendo particularmente valioso para empresas e…
Se você acha que a capacidade de restaurar arquivos e pastas no SharePoint Online é simples, pense novamente. Com esta…
Ao implementar políticas de retenção no SharePoint Online, é importante saber como incluir e excluir arquivos e pastas específicos com…