Power BI Python Eğitimi

Ders 1 • Geliştirme Ortamını Kurmak

Power BI Desktop ve Python'u kur, ardından yolları ve bağımlılıkları yapılandır. Bu temel, sonraki her alıştırmanın ortam hatası olmadan çalışmasını sağlar.

Ders 2 • Power BI Arayüzü ve Temel Kavramlar

Power BI Desktop arayüzünde gezin ve raporları, veri kümelerini ve çalışma alanlarını anla. Kullanıcı arayüzüne aşinalık, sonraki tüm veri modelleme çalışmalarını hızlandırır.

Ders 3 • Veri Çalışmaları İçin Python Temelleri

Analitik görevlerle ilgili Python sözdizimini, veri türlerini ve kontrol akışını ele al. Bu beceriler, Power BI içinde kullanılan her Python betiğinin temelini oluşturur.

Ders 1 • Veri Kaynağı Olarak Python Betiklerini Çalıştırma

Kaynak verileri oluşturmak veya dönüştürmek için Python betiklerini doğrudan Power BI içinde yürüt. Bu, her iki aracı birleşik bir veri alım hattında birleştirir.

Ders 2 • REST API'leri ve Web Verilerini Kullanma

Python requests ve Power BI web bağlayıcılarını kullanarak REST API'lerinden veri getir. Öğrenciler, statik dosyalarda bulunmayan canlı, dinamik verilere erişme becerisi kazanır.

Ders 3 • Python ve pandas ile Veri Yükleme

CSV, Excel, JSON ve SQL kaynaklarını DataFrame'lere okumak için pandas'ı kullan. Bu, Power BI veri alımını yansıtır ve Python tarafında ön işleme yapılmasını sağlar.

Ders 1 • Verileri Yeniden Şekillendirme ve Toplama

pandas ve Power Query'de pivot, melt, groupby ve toplama işlemlerini gerçekleştir. Yeniden şekillendirme becerileri, Power BI modellerinin gerektirdiği yapılandırılmış tabloları oluşturmak için gereklidir.

Ders 2 • Power Query Düzenleyicisi Temelleri

Kod olmadan sütunları filtrelemek, yeniden adlandırmak, bölmek ve birleştirmek için Power Query'yi kullan. Bu GUI tabanlı beceriler, rutin temizlik görevlerinin çoğunu halleder.

Ders 3 • M Dili ile Gelişmiş Power Query

GUI'nin ötesinde karmaşık dönüşümleri otomatikleştirmek için M ifadeleri yaz. Özel M fonksiyonları, Power Query'yi dinamik, parametreli mantığı işleyecek şekilde genişletir.

Ders 1 • Veri Modelini Optimize Etme

Sütun kaldırma, toplamalar ve depolama modları aracılığıyla model boyutunu küçült ve sorgu hızını artır. Optimizasyon, gösterge panellerinin kurumsal veri hacimlerinde duyarlı kalmasını sağlar.

Ders 2 • DAX'a Giriş

DAX sözdizimi ve değerlendirme bağlamını kullanarak hesaplanmış sütunlar ve temel ölçüler yaz. DAX, tüm Power BI analitik hesaplamaları için birincil dildir.

Ders 3 • Orta Düzey DAX Kalıpları

İş KPI'ları oluşturmak için HESAPLA, FİLTRELE ve zaman zekası fonksiyonlarını uygula. Bu kalıplar, gerçek dünyadaki analitik gereksinimlerin çoğunu kapsar.

Ders 1 • Biçimlendirme ve Tasarım İlkeleri

Profesyonel raporlar üretmek için tutarlı renk, tipografi ve düzen uygula. Tasarım disiplini, bilişsel yükü azaltır ve paydaş güvenini artırır.

Ders 2 • Doğru Görsel Türünü Seçme

Veri özelliklerini çubuk, çizgi, dağılım, harita ve tablo görselleriyle eşleştir. Doğru görsel seçimi, dürüst ve okunabilir veri iletişiminin temelidir.

Ders 3 • Power BI İçinde Python Görselleri

Python görsel nesnesini kullanarak Matplotlib ve Seaborn grafiklerini Power BI görselleri olarak oluştur. Bu, yerel olarak bulunmayan istatistiksel ve özel grafik türlerinin kullanımını sağlar.

Ders 1 • Python ile Tanımlayıcı İstatistikler

pandas ve NumPy kullanarak özet istatistikleri, dağılımları ve korelasyonları hesapla. Bu metrikler, tüm derinlemesine analitik çalışmaların temelini oluşturur.

Ders 2 • Hipotez Testinin Temelleri

İş hipotezlerini doğrulamak için SciPy kullanarak t-testleri, ki-kare testleri ve ANOVA uygula. İstatistiksel test, kararlar için kanıta dayalı gerekçe sağlar.

Ders 3 • Python Analizini Power BI'da Sunma

Python ile hesaplanan istatistikleri ve model çıktılarını Power BI raporlarına geri aktar. Bu, Python analizi ile iş odaklı gösterge panelleri arasındaki döngüyü kapatır.

Ders 1 • Power BI'da Tahminleri Gömme

Yeni verileri puanlamak için kaydedilmiş scikit-learn modellerini Power BI Python betikleri içinde yükle. Tahminler, yeniden eğitim gerektirmeden canlı raporlarda filtrelenebilir sütunlar haline gelir.

Ders 2 • Sınıflandırma ve Regresyon Modelleri

scikit-learn hatları kullanarak karar ağaçları, rastgele ormanlar ve doğrusal modeller eğit. Bu algoritmalar, en yaygın tahmine dayalı iş sorunlarını ele alır.

Ders 3 • Makine Öğrenmesi İş Akışına Genel Bakış

Veri hazırlığından model dağıtımına kadar uçtan uca ML hattını anla. Net bir iş akışı, özellik mühendisliği ve değerlendirmede yaygın hataları önler.

Ders 1 • Satır Düzeyi Güvenlik ve Erişim Kontrolü

DAX'ta RLS rollerini tanımla ve veri görünürlüğünü role göre kısıtlamak için kullanıcıları ata. Güvenlik kuralları, her kullanıcının yalnızca erişim yetkisi olan verileri görmesini sağlar.

Ders 2 • Power Automate ile İş Akışlarını Otomatikleştirme

Power BI uyarılarından ve veri odaklı koşullardan Power Automate akışlarını tetikle. Otomasyon, manuel izlemeyi azaltır ve iş olaylarına yanıtı hızlandırır.

Ders 3 • Veri Kökeni ve Dokümantasyon

Veri kümesi kaynağını belgelemek için veri kökeni görünümünü ve onay özelliklerini kullan. Net veri kökeni, birden fazla ekibin aynı veri kümelerini paylaşıp üzerine inşa etmesi durumunda hataları azaltır.