Power BI : ادغام AI و یادگیری ماشین

مشاهده LinkedIn Newsletterpower BI یک ابزار تجزیه و تحلیل داده های قدرتمند و ویژوال است که اجازه می دهد تا کاربران کسب و کار برای نظارت بر داده ها، تجزیه و تحلیل روند، و تصمیم گیری. هر ماه، مایکروسافت به روز رسانی Power BI به کاربران نهایی منجر می شود و رشد قدرت BI بخش مهمی از استراتژی فعلی مایکروسافت است. این دوره نشان می دهد که قابلیت های یادگیری AI و ماشین های موجود به طور مستقیم در ویژگی های موجود در دسترس قدرت موجود است. تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار کارشناس هلن دیوار به شما یک مرور مفید از قدرت BI را می دهد، سپس به مراحل پیکربندی پرس و جو قدرت و مدل داده شما می پردازد. هلن مراحل را از طریق تجزیه و تحلیل متغیرهای تک و به شما نشان می دهد ابزار و تکنیک ها برای اندازه گیری روابط بین متغیرها. او به شما نشان می دهد تصاویری که می توانید از آنها استفاده کنید تا پرسش ها را در Power Bi استفاده کنید، تکنیک های مفید را توضیح می دهد تا تجزیه و تحلیل داده های سری زمانی را افزایش دهد و از طریق برخی از بهترین شیوه ها برای به اشتراک گذاری تجزیه و تحلیل خود، شما را از طریق

عنوان اصلی : Power BI: Integrating AI and Machine Learning

سرفصل های دوره :

مقدمه:
قدرت Power BI
آنچه باید بدانید
بررسی کلی انواع هوش مصنوعی و یادگیری ماشینی
تعریف ابعاد
استفاده از اکوسیستم Power BI و Azure
پیکربندی R در Power BI Desktop
معرفی پروژه دوره
1. پیکربندی Power Query و مدل داده:
استفاده از هوش مصنوعی در چارچوب ETL
پیکربندی پارامترها
تجزیه و تحلیل آمار و توزیع داده ها
پیکربندی گزارش های خطای جداگانه برای مجموعه داده های موجود
الگوریتم های Running Vision
استفاده از الگوریتم های تجزیه و تحلیل متن
استفاده از هوش مصنوعی و طرحواره ستاره
تنظیم فیلدهای DateTime برای تاخیرها
2. تجزیه و تحلیل یک متغیر منفرد:
پیکربندی تجمعات و ابعاد
گزینه های فیلتر
محاسبه معیارهای DAX
چالش: تک متغیره
محاسبه میانگین های چرخشی
استفاده از binning برای ایجاد هیستوگرام
خلاصه آمار
تقسیم یک دسته با مضرب کوچک
استفاده از نقشه های ویولن
راه حل: تک متغیره
3. اندازه گیری روابط بین متغیرها:
تجسم روابط با طرح های پراکنده
دسترسی به صفحه Analytics
محاسبه همبستگی ها
تجسم همبستگی ها
افزودن خوشه بندی به تصاویر موجود
محاسبه بهترین خط مناسب
استفاده از بصری تشخیص بیرونی
محاسبه پرت
مطابق سازی موارد پرت
چالش: متغیرهای متعدد
راه حل: متغیرهای متعدد
4. استفاده از ویژوال های هوش مصنوعی برای پرسیدن سوالات چه می شود:
تعیین محرک های کلیدی با درخت تجزیه بصری
استفاده از بصری پرسش و پاسخ
کشف بینش های کلیدی با بصری Key Influencer
استفاده از پارامترها برای مدلسازی سناریوهای what-if
چالش: تصاویری با هوش مصنوعی
راه حل: تصاویری با هوش مصنوعی
5. تجزیه و تحلیل داده های سری زمانی:
سازمان تجزیه و تحلیل سری های زمانی
افزودن پیش‌بینی از صفحه Analytics
اهرم تشخیص ناهنجاری
استفاده از پیش‌بینی ARIMA
ترکیب فصلی از طریق پیش‌بینی TBATS
تجزیه و تحلیل پیش بینی ها در مقابل واقعیات
چالش: تحلیل سری زمانی
راه حل: تحلیل سری زمانی
6. ایجاد و به اشتراک گذاری تجزیه و تحلیل:
طراحی نمای تلفیقی برای اشتراک گذاری
آپلود و اشتراک گذاری در سرویس Power BI
پیکربندی اطلاعات بینش سریع
چالش: نمای مشترک
راه حل: نمای اشتراکی
نتیجه گیری:
نحوه یادگیری ML و AI در Power BI