Curso de Power BI e Python

Aula 1 • Configurando Seu Ambiente de Desenvolvimento

Instale o Power BI Desktop e o Python e, em seguida, configure caminhos e dependências. Essa base garante que todos os exercícios subsequentes sejam executados sem erros de ambiente.

Aula 2 • Interface do Power BI e Conceitos Centrais

Navegue pela interface do Power BI Desktop e entenda relatórios analíticos, conjuntos de dados e workspaces. A familiaridade com a IU acelera todo o trabalho posterior de modelagem de dados.

Aula 3 • Fundamentos de Python para Trabalho com Dados

Aborda a sintaxe do Python, tipos de dados e fluxo de controle relevantes para tarefas de análise. Essas habilidades sustentam todo script Python usado dentro do Power BI.

Aula 1 • Executando Scripts Python como Fontes de Dados

Execute scripts Python diretamente dentro do Power BI para gerar ou transformar dados de origem. Isso une ambas as ferramentas em um pipeline de dados unificado para ingestão.

Aula 2 • Consumindo APIs REST e Dados da Web

Busque dados de APIs REST usando as requests do Python e os conectores web do Power BI. Os alunos adquirem habilidades para acessar dados dinâmicos e ao vivo indisponíveis em arquivos estáticos.

Aula 3 • Carregando Dados com Python e pandas

Use o pandas para ler fontes CSV, Excel, JSON e SQL em DataFrames. Isso espelha a ingestão do Power BI e possibilita o pré-processamento no lado do Python.

Aula 1 • Reformatação e Agregação de Dados

Pivot, melt, group e agregue dados tanto no pandas quanto no Power Query. As habilidades de reformatação são essenciais para construir as tabelas estruturadas que os modelos do Power BI exigem.

Aula 2 • Principais Recursos do Editor Power Query

Use o Power Query para filtrar, renomear, dividir e mesclar colunas sem código. Essas habilidades baseadas em GUI lidam com a maioria das tarefas rotineiras de limpeza.

Aula 3 • Power Query Avançado com a Linguagem M

Escreva expressões M para automatizar transformações complexas além da GUI. Funções M personalizadas estendem o Power Query para lidar com lógica dinâmica e parametrizada.

Aula 1 • Otimizando o Modelo de Dados

Reduza o tamanho do modelo e melhore a velocidade da consulta por meio de remoção de colunas, agregações e modos de armazenamento. A otimização garante que os dashboards permaneçam responsivos em volumes de dados empresariais.

Aula 2 • Introdução ao DAX

Escreva colunas calculadas e medidas básicas usando sintaxe DAX e contexto de avaliação. O DAX é a principal linguagem para todos os cálculos analíticos do Power BI.

Aula 3 • Padrões Intermediários de DAX

Aplique CALCULATE, FILTER e funções de inteligência de tempo para construir KPIs de negócios. Esses padrões cobrem a maioria dos requisitos analíticos do mundo real.

Aula 1 • Princípios de Formatação e Design

Aplique cores, tipografia e layout consistentes para produzir relatórios analíticos profissionais. A disciplina de design reduz a carga cognitiva e aumenta a confiança das partes interessadas.

Aula 2 • Escolhendo o Tipo de Visual Adequado

Combine características dos dados com visuais de barra, linha, dispersão, mapa e tabela. A seleção correta do visual é a base para uma comunicação de dados honesta e legível.

Aula 3 • Visuais Python dentro do Power BI

Renderize gráficos Matplotlib e Seaborn como visuais do Power BI usando o objeto visual Python. Isso desbloqueia tipos de gráficos estatísticos e personalizados indisponíveis nativamente.

Aula 1 • Estatísticas Descritivas com Python

Calcule estatísticas resumidas, distribuições e correlações usando pandas e NumPy. Essas métricas formam a linha de base para todo trabalho analítico mais aprofundado.

Aula 2 • Fundamentos de Testes de Hipóteses

Aplique testes t, testes qui-quadrado e ANOVA usando SciPy para validar hipóteses de negócios. O teste estatístico fornece justificativa baseada em evidências para as decisões.

Aula 3 • Apresentando Análises Python no Power BI

Passe estatísticas calculadas em Python e saídas de modelo de volta para relatórios analíticos do Power BI. Isso fecha o ciclo entre a análise em Python e os dashboards voltados para o negócio.

Aula 1 • Incorporando Previsões no Power BI

Carregue modelos scikit-learn salvos dentro de scripts Python do Power BI para pontuar novos dados. As previsões se tornam colunas filtráveis em relatórios analíticos ao vivo sem necessidade de re-treinamento.

Aula 2 • Modelos de Classificação e Regressão

Treine árvores de decisão, florestas aleatórias e modelos lineares usando pipelines do scikit-learn. Esses algoritmos abordam os problemas de negócio preditivos mais comuns.

Aula 3 • Visão Geral do Fluxo de Trabalho de Machine Learning

Entenda o pipeline de ML de ponta a ponta, da preparação de dados à implantação do modelo. Um fluxo de trabalho claro previne erros comuns na engenharia de atributos e na avaliação.

Aula 1 • Segurança em Nível de Linha e Controle de Acesso

Defina funções RLS em DAX e atribua usuários para restringir a visibilidade dos dados por função. As regras de segurança garantem que cada usuário veja apenas os dados que está autorizado a acessar.

Aula 2 • Automatizando Fluxos de Trabalho com Power Automate

Dispare fluxos do Power Automate a partir de alertas do Power BI e condições orientadas por dados. A automação reduz o monitoramento manual e acelera a resposta a eventos de negócio.

Aula 3 • Linhagem de Dados e Documentação

Use a visualização de linhagem e os recursos de endosso para documentar a proveniência do conjunto de dados. Uma linhagem clara reduz erros quando várias equipes compartilham e constroem sobre os mesmos conjuntos de dados.