Develop Autonomous AI Agents Using Copilot Studio en

Discover how autonomous agents in Copilot Studio are transforming enterprise workflows. Learn to build agents that automate complex tasks, make data-driven decisions, and integrate with business systems. This session covers how to configure autonomous triggers, enabling real-time, proactive actions.

Designing Multi-Agent Solutions with Copilot Studio en

Multi-agent systems are no longer the domain of complex, bespoke architectures. In this session, we’ll explore how to design, build, and deploy intelligent, connected agents using Copilot Studio, Azure AI Foundry (Azure AI Agents), and the Microsoft 365 Agents SDK with C# and MCP Servers. You’ll understand how to orchestrate agent collaboration, connect enterprise data, and enable seamless handoffs between agents to handle diverse scenarios across your organization.

Porta il tuo virtual agent a un altro livello con l'AI en

A volte il miglior modo di interagire con i nostri dati non è una app. Le chatbot offrono un'esperienza utente più naturale e non è mai stato così semplice crearne una da zero con la Generative AI!

In questa sessione vedremo come sfruttare le novità introdotte in Power Virtual Agent per creare chatbot dinamicamente sfruttando tutte le potenzialità di Copilot. Durante le demo vedremo come creare nuovi argomenti usando il linguaggio naturale, come abilitare risposte generative a partire da siti pubblici o dai contenuti presenti nella nostra intranet e molto altro.

ML.NET 3.0 en

ML.NET è un framework di machine learning open source e multipiattaforma per sviluppatori .NET che consente l'integrazione di modelli di machine learning personalizzati nelle app .NET. Ora è alla versione 2.0, vediamo quali sono i punti salienti di questa versione e approfondiamo il codice .NET 7!

Understanding MLOps en it

A session in where we will explore through the similarities and differences between DevOps and MLOps. How we can apply DevOps philosophy to a machine learning system?

Understanding MLOps en it

A session in where we will explore through the similarities and differences between DevOps and MLOps. How we can apply DevOps philosophy to a machine learning system?

A session in where we will explore through the similarities and differences between DevOps and MLOps. How we can apply DevOps philosophy to a machine learning system?

ML.NET Model Lifecycle with Azure DevOps en it

Are you a developer? Are you a Architect? You must have the focus about on the application lifecycle! Building, maintaining, and continuously updating the end-user business application. No news here, but if we add also ML, for example a ML.NET model what we must to do? We need a update and extend a new type of lifecycle: Machine Learning Model Lifecycle.

ML.NET Model Lifecycle with Azure DevOps en it

Are you a developer? Are you a Architect? You must have the focus about on the application lifecycle! Building, maintaining, and continuously updating the end-user business application. No news here, but if we add also ML, for example a ML.NET model what we must to do? We need a update and extend a new type of lifecycle: Machine Learning Model Lifecycle.

GitHub Copilot Harness + Agent 365: Building Governed Reasoning Agents in Copilot Studio en

In questa sessione esploriamo il GitHub Copilot Harness in Microsoft Copilot Studio, il nuovo runtime di orchestrazione progettato per agenti che devono ragionare su problemi complessi, pianificare passi multipli e recuperare dagli errori — a differenza dell'approccio basato su regole dello Standard Harness.

Partendo dal modello a componenti (istruzioni, conoscenza, tool, skill, memoria e sandbox), i partecipanti impareranno a costruire un agente reasoning-heavy in grado di orchestrare dati e azioni per risolvere task aziendali non deterministici. Vedremo casi d'uso concreti di coding agent (esecuzione di codice Python, elaborazione di file Excel/Word/PDF, generazione di output eseguibili) e come testare, valutare e monitorare l'agente attraverso le tab Preview, Evaluate e Monitor.

La sessione si chiude con Microsoft Agent 365: come gli agenti creati in Copilot Studio si integrano automaticamente nel registro centralizzato, inviano telemetria senza SDK manuale e possono essere governati, bloccati o riassegnati dal Microsoft 365 Admin Center. L'obiettivo è che ogni partecipante esca con una comprensione chiara di quando usare il GitHub Copilot Harness, come costruire un agente che ragiona e come portarlo in produzione in modo sicuro e governato con Agent 365