Build your ultimate AI agent
Opis kursu
Dostosuj Power BI za pomocą Pythona
W tym kursie wprowadzającym do Pythona w Power BI wykorzystasz dane z badania nad przełowieniem oraz od sprzedawcy internetowego, aby nauczyć się używać skryptów Pythona w Power BI do przygotowania danych, tworzenia wizualizacji i obliczania współczynników korelacji.Twórz niestandardowe wizualizacje
W szczególności do tworzenia niestandardowych wizualizacji opartych na Pythonie będziesz korzystać z pakietu Seaborn. Po ukończeniu kursu powinieneś czuć się nieco pewniej, używając Pythona w Power BI i poza nim.Wzmocnij swój zestaw narzędzi
Niezależnie od tego, czy najpierw byłeś Pythonistą, czy zaawansowanym użytkownikiem Power BI, integracja Pythona z Power BI to fantastyczne uzupełnienie zestawu narzędzi do pracy z danymi. Ten kurs pokaże, że korzystając z obu razem, możesz wykorzystać zalety każdego z nich, wybierając najlepsze rozwiązanie do danego zadania.Wymagania wstępne
Program kursu
Plan kursu
1
Pierwsze kroki z Pythonem w Power BI
W pierwszym rozdziale poznasz zalety i ograniczenia Pythona w Power BI oraz dowiesz się, jak włączyć tę funkcję w skoroszycie. Wykonasz to samo zadanie przy użyciu obu technologii osobno, żeby lepiej poznać mocne i słabe strony każdej z nich. Power BI to potężne narzędzie – a Python sprawia, że staje się jeszcze potężniejsze!
2
Brakujące dane i imputacja
Skoro masz już działające środowisko Pythona w Power BI, czas przejść do kolejnego ważnego etapu przetwarzania danych – wykrywania braków i imputacji. W tym rozdziale zidentyfikujesz brakujące dane w zbiorze danych za pomocą Pythona, a następnie Power BI. Następnie zajmiesz się obsługą braków danych, stosując techniki imputacji.
3
Wizualizacje z Seaborn w Power BI
W tym rozdziale zbudujesz kilka wizualizacji opartych na Pythonie z użyciem pakietu Seaborn w Power BI. Będą to wykres liniowy, wykres par i wykres łączony. Nauczysz się też interpretować te wizualizacje, aby wyciągać wnioski z danych. Na tym etapie znasz już kluczowe różnice między Pythonem a Power BI w podstawowych krokach przetwarzania danych. Czas te dane zwizualizować!
4
Mapy ciepła i współczynniki korelacji
W tym rozdziale będziesz kontynuować analizę zależności między zmiennymi – tym razem w sposób ilościowy, obliczając współczynnik korelacji. Nauczysz się to robić w Power BI, a potem w Pythonie. Na koniec wykorzystasz możliwości wizualizacji Seaborn, żeby stworzyć mapę ciepła korelacji. Po ukończeniu kursu będziesz sprawnie posługiwać się Power BI, Pythonem i technikami wizualizacji danych. Dobra robota!
Wprowadzenie do Pythona w Power BI
Kurs
ukończony
