Kurs Power BI z Pythonem

Lekcja 1 • Konfiguracja środowiska programistycznego

Zainstaluj Power BI Desktop i Python, a następnie skonfiguruj ścieżki i zależności. Ta podstawa gwarantuje, że każde kolejne ćwiczenie będzie wykonywane bez błędów środowiskowych.

Lekcja 2 • Interfejs Power BI i podstawowe koncepcje

Poruszaj się po interfejsie Power BI Desktop i zrozum raporty, zestawy danych i obszary robocze. Znajomość interfejsu użytkownika przyspiesza całą późniejszą pracę z modelowaniem danych.

Lekcja 3 • Podstawy języka Python do pracy z danymi

Omów składnię Pythona, typy danych i przepływ sterowania istotne dla zadań analitycznych. Te umiejętności stanowią podstawę każdego skryptu Pythona używanego wewnątrz Power BI.

Lekcja 1 • Uruchamianie skryptów Pythona jako źródeł danych

Wykonuj skrypty Pythona bezpośrednio wewnątrz Power BI, aby generować lub przekształcać dane źródłowe. To łączy oba narzędzia w jeden ujednolicony potok pozyskiwania danych.

Lekcja 2 • Korzystanie z REST API i danych internetowych

Pobieraj dane z REST API za pomocą biblioteki requests w Pythonie i łączników internetowych Power BI. Kursanci zdobywają umiejętności dostępu do żywych, dynamicznych danych niedostępnych w statycznych plikach.

Lekcja 3 • Ładowanie danych za pomocą Pythona i pandas

Używaj pandas do odczytywania źródeł CSV, Excel, JSON i SQL do DataFrame. To odzwierciedla proces pozyskiwania danych w Power BI i umożliwia wstępne przetwarzanie po stronie Pythona.

Lekcja 1 • Przekształcanie i agregacja danych

Przestawny, rozpuszczaj, grupuj i agreguj dane zarówno w pandas, jak i Power Query. Umiejętności przekształcania danych są niezbędne do budowania ustrukturyzowanych tabel wymaganych przez modele Power BI.

Lekcja 2 • Podstawy edytora Power Query

Używaj Power Query do filtrowania, zmiany nazw, dzielenia i łączenia kolumn bez pisania kodu. Te umiejętności oparte na GUI obsługują większość rutynowych zadań czyszczenia danych.

Lekcja 3 • Zaawansowany Power Query z językiem M

Pisz wyrażenia M, aby automatyzować złożone transformacje wykraczające poza możliwości interfejsu graficznego. Niestandardowe funkcje M rozszerzają Power Query do obsługi dynamicznej, sparametryzowanej logiki.

Lekcja 1 • Optymalizacja modelu danych

Zmniejsz rozmiar modelu i popraw szybkość zapytań poprzez usuwanie kolumn, agregacje i tryby przechowywania. Optymalizacja zapewnia, że dashboards pozostają responsywne przy wolumenach danych na poziomie korporacyjnym.

Lekcja 2 • Wprowadzenie do DAX

Pisz kolumny obliczeniowe i podstawowe miary przy użyciu składni DAX i kontekstu obliczeniowego. DAX jest podstawowym językiem dla wszystkich obliczeń analitycznych w Power BI.

Lekcja 3 • Zaawansowane wzorce DAX

Zastosuj funkcje CALCULATE, FILTER i inteligencji czasu, aby budować biznesowe KPI. Te wzorce obejmują większość rzeczywistych wymagań analitycznych.

Lekcja 1 • Zasady formatowania i projektowania

Zastosuj spójną kolorystykę, typografię i układ, aby tworzyć profesjonalne raporty. Dyscyplina projektowa zmniejsza obciążenie poznawcze i zwiększa zaufanie interesariuszy.

Lekcja 2 • Wybór odpowiedniego typu wizualizacji

Dopasuj charakterystykę danych do wizualizacji słupkowych, liniowych, punktowych, map i tabel. Prawidłowy wybór wizualizacji jest podstawą uczciwej i czytelnej komunikacji danych.

Lekcja 3 • Wizualizacje Pythona wewnątrz Power BI

Renderuj wykresy Matplotlib i Seaborn jako wizualizacje Power BI za pomocą obiektu wizualizacji Python. To odblokowuje typy wykresów statystycznych i niestandardowych niedostępne natywnie.

Lekcja 1 • Statystyka opisowa z Pythonem

Obliczaj statystyki podsumowujące, rozkłady i korelacje za pomocą pandas i NumPy. Te metryki stanowią podstawę dla wszystkich głębszych prac analitycznych.

Lekcja 2 • Podstawy testowania hipotez

Zastosuj testy t, chi-kwadrat i ANOVA za pomocą SciPy do walidacji hipotez biznesowych. Testowanie statystyczne dostarcza opartego na dowodach uzasadnienia dla decyzji.

Lekcja 3 • Prezentowanie analiz Pythona w Power BI

Przekazuj statystyki i wyniki modeli obliczone w Pythonie z powrotem do raportów Power BI. To zamyka pętlę między analizą w Pythonie a dashboardami biznesowymi.

Lekcja 1 • Osadzanie predykcji w Power BI

Ładuj zapisane modele scikit-learn wewnątrz skryptów Pythona w Power BI, aby oceniać nowe dane. Predykcje stają się filtrowalnymi kolumnami w żywych raportach bez konieczności ponownego uczenia.

Lekcja 2 • Modele klasyfikacji i regresji

Trenuj drzewa decyzyjne, lasy losowe i modele liniowe za pomocą potoków scikit-learn. Te algorytmy rozwiązują najczęstsze problemy predykcyjne w biznesie.

Lekcja 3 • Przegląd przepływu pracy uczenia maszynowego

Zrozum kompleksowy potok ML od przygotowania danych do wdrożenia modelu. Jasny przepływ pracy zapobiega typowym błędom w inżynierii cech i ocenie.

Lekcja 1 • Zabezpieczenia na poziomie wiersza i kontrola dostępu

Zdefiniuj role RLS w DAX i przypisz użytkowników, aby ograniczyć widoczność danych według roli. Reguły bezpieczeństwa zapewniają, że każdy użytkownik widzi tylko dane, do których ma uprawnienia.

Lekcja 2 • Automatyzacja przepływów pracy za pomocą Power Automate

Wyzwalaj przepływy Power Automate na podstawie alertów Power BI i warunków opartych na danych. Automatyzacja zmniejsza ręczne monitorowanie i przyspiesza reakcję na zdarzenia biznesowe.

Lekcja 3 • Rodowód danych i dokumentacja

Użyj widoku rodowodu i funkcji poparcia do udokumentowania pochodzenia zestawu danych. Jasny rodowód zmniejsza liczbę błędów, gdy wiele zespołów współdzieli i buduje na tych samych zestawach danych.