หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
ปรับแต่ง Power BI ด้วย Python
ในหลักสูตรแนะนำ Python ใน Power BI นี้ คุณจะใช้ข้อมูลจากการศึกษาภาวะการทำประมงเกินขนาดและผู้ค้าปลีกออนไลน์ เพื่อเรียนรู้วิธีใช้สคริปต์ Python ใน Power BI สำหรับการเตรียมข้อมูล การสร้างภาพข้อมูล และการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์สร้างภาพข้อมูลแบบกำหนดเอง
โดยเฉพาะสำหรับการสร้างภาพข้อมูลแบบกำหนดเองที่ใช้ Python คุณจะได้ใช้งานแพ็กเกจ Seaborn เมื่อจบหลักสูตร คุณควรรู้สึกมั่นใจมากขึ้นเล็กน้อยในการใช้ Python ใน Power BI (และนอกเหนือจาก Power BI ด้วย)เพิ่มพลังให้ชุดเครื่องมือของคุณ
ไม่ว่าคุณจะเริ่มต้นจากการเป็น Pythonista หรือเป็นผู้ใช้ Power BI ระดับโปร การผสาน Python เข้ากับ Power BI คือการเพิ่มศักยภาพที่ยอดเยี่ยมให้กับชุดเครื่องมือด้านข้อมูลของคุณ คอร์สนี้จะแสดงให้เห็นว่า เมื่อใช้ทั้งสองร่วมกัน คุณสามารถใช้ประโยชน์จากข้อดีของแต่ละอย่างได้ โดยเลือกสิ่งที่เหมาะสมที่สุดสำหรับงานที่กำลังทำอยู่ข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
เริ่มต้นใช้งาน Python ใน Power BI
ในบทแรกนี้ คุณจะได้เรียนรู้ข้อดีและข้อจำกัดของการใช้ Python ใน Power BI รวมถึงวิธีเปิดใช้งานความสามารถนี้ในเวิร์กบุ๊ก นอกจากนี้ยังจะได้ลองทำงานเดียวกันด้วยทั้งสองเครื่องมือแยกกัน เพื่อทำความคุ้นเคยกับจุดแข็งและข้อจำกัดของแต่ละฝั่ง Power BI เป็นเครื่องมือที่ทรงพลัง และ Python จะช่วยยกระดับความสามารถนั้นให้มากขึ้นไปอีก
2
ข้อมูลที่หายไปและการประมาณค่าทดแทน
เมื่อพร้อมใช้งาน Python ใน Power BI แล้ว ก็ถึงเวลาต่อยอดไปสู่ขั้นตอนการประมวลผลข้อมูลที่สำคัญอีกขั้น นั่นคือการระบุข้อมูลที่หายไปและการประมาณค่าทดแทน ในบทนี้จะได้ฝึกระบุข้อมูลที่หายไปในชุดข้อมูลโดยใช้ทั้ง Python และ Power BI จากนั้นจะเรียนรู้วิธีจัดการกับข้อมูลที่หายไปด้วยเทคนิคการประมาณค่าทดแทน
3
การสร้างภาพข้อมูลด้วย Seaborn ใน Power BI
ในบทนี้ คุณจะได้สร้างภาพข้อมูลด้วย Python โดยใช้แพ็กเกจ Seaborn ใน Power BI ได้แก่ กราฟเส้น (line plot), pair plot และ joint plot นอกจากนี้ยังจะได้เรียนรู้การตีความภาพข้อมูลเหล่านี้เพื่อดึงข้อมูลเชิงลึกออกมา ถึงจุดนี้คุณจะเข้าใจความแตกต่างสำคัญระหว่าง Python และ Power BI ในขั้นตอนการประมวลผลข้อมูลเบื้องต้นแล้ว และพร้อมก้าวสู่การแสดงผลข้อมูล
4
Heatmap และค่าสัมประสิทธิ์สหสัมพันธ์
ในบทนี้ คุณจะประเมินความสัมพันธ์ระหว่างตัวแปรต่อไป แต่คราวนี้จะทำในเชิงปริมาณด้วยการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ โดยจะเรียนรู้วิธีทำทั้งใน Power BI และ Python จากนั้นจะนำความสามารถของ Seaborn มาสร้าง correlation heatmap เมื่อจบคอร์สนี้ คุณจะเชี่ยวชาญทั้ง Power BI, Python และเทคนิคการแสดงผลข้อมูล
Python เบื้องต้นใน Power BI
เรียนคอร์สจบแล้ว
