|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/inteligencia-artificial-y-big-data-con-power-bi-web-services/
课程评论：没有评论
Coursera课程《Inteligencia Artificial y Big Data con Power BI web services》介绍： 该课程专注于利用Power BI Web服务构建高可用、高性能的数据仓库，特别适合数据分析师在缺乏传统数据架构（如datamarts, data warehouse, datalakes）的情况下。 **核心内容包括：** * **构建数据存储库：** 利用Power BI Web服务创建自己的数据存储库，实现高可用性、速度和容量。 * **Power Query Online：** 使用Power Query Online连接、建模和提取数据价值，并集成机器学习能力。 * **大数据与人工智能集成：** 将机器学习能力融入数据模型，实现大数据分析和人工智能应用。 * **创建Power BI数据流：** 学习创建Power BI数据流，并集成人工智能分析，例如使用Cognitive Services自动识别文本语言、进行情感分析（获取情感分数，提取关键词）。 * **AutoML模型应用：** 将AutoML模型应用到Power BI数据流，包括模型训练、性能分析、应用数据流，并在Power BI Desktop中查看预测结果，甚至调用机器学习模型到其他数据流进行预测。 * **数据更新与部署：** 配置增量和自动更新，设置Power BI on-premise Gateway。 * **端到端分析流程：** 连接、建模、设计、发布和Web可视化，完成一个完整的数据分析和商业智能项目。 **课程目标：** * 赋能分析师在资源有限的情况下构建强大的数据基础设施。 * 提升数据分析能力，纳入大数据和人工智能技术。 * 减轻本地计算设备的负荷。 * 提高企业报告的价值和影响力。 该课程通过实际操作，带领学员完成从数据连接到Web可视化的全方位Power BI实践。
Como analistas siempre necesitamos tener mayor disponibilidad de datos, tener conexiones a muchas fuentes y disponer de un repositorio en el que podamos modelar y reutilizar los datos en muchos informes, sin embargo, no siempre es posible porque no disponemos de datamarts, data warehouse o datalakes, pero ahora ya tenemos una solución!El servicio web de Power BI puede ayudarnos a disponer de nuestro propio repositorio con alta disponibilidad, además de gran velocidad y capacidad, con el motor de Power Query online para conectar, modelar y extraer el máximo valor a los datos con Machine Learning, tan solo con estar suscrito al servicio.Esto lleva nuestros modelos a disponer de capacidades Big Data y de Inteligencia Artificial lo que nos abre muchas posibilidades analíticas y disminuir la carga de procesamiento en nuestros equipos locales y para mejorar nuestros informes contribuyendo mucho más al valor de la empresa.En este curso aprenderemos a crear flujos de datos en el servicio web de Power BI, le agregaremos análisis de Inteligencia artificial con el uso de Cognitive Services para identificar de forma automática el idioma del texto, comentario, queja, etc. Y así aplicar el análisis de opinión obteniendo el score del sentimiento y extrayendo la frase o palabra clave del texto.También, vamos a aplicar modelos de auto ML al Power BI dataflow, entrenaremos el modelo, analizaremos su desempeño, lo aplicaremos al dataflow, veremos las predicciones en Power BI Desktop y luego invocaremos el modelo de Machine Learning para aplicarlo a otro dataflow y obtener predicciones; Genial no?Haremos muchas cosas más, configuraremos actualizaciones incrementales y automáticas, configuraremos la on premise Gateway de Power BI, realizaremos informes conectados a los dataflows creados y lo publicaremos e insertaremos en la web, por lo que haremos el ciclo completo desde la conexión, modelado, diseño, publicación y visualización web de información usando todas las herramientas de la increíble plataforma de analítica empresarial Microsoft Power BI.
