Big data
Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych
Gil Raviv
Czy praca na danych kojarzy Ci się z frustrującym ręcznym wklejaniem i oczyszczaniem danych w Excelu? A może tracisz mnóstwo energii na importowanie nieuporządkowanych danych pochodzących z różnych źródeł? Być może podejrzewasz, że Twoje arkusze kryją mnóstwo wartościowych informacji, ale nie wiesz, w jaki sposób je wydobyć i ile godzin musisz na to poświęcić? A może spędzasz sporo czasu na tworzeniu skomplikowanych raportów w Power BI lub programowaniu baz danych SQL Server? Dzięki wiedzy zawartej w tej książce wykonasz te zadania prościej i szybciej, a efekty będą o wiele bardziej niezawodne! Ten praktyczny przewodnik po narzędziu Power Query nauczy Cię efektywnie przetwarzać dane w Excelu: importować, oczyszczać, przekształcać i wydobywać potrzebne informacje. Dowiesz się, jak sprawnie wykonywać typowe zadania i prace analityczne, jak zwiększyć swoją skuteczność dzięki opanowaniu podstaw języka M oraz jak zautomatyzować proces przygotowywania danych do przetwarzania. Zapoznasz się z możliwościami Microsoft Cognitive Services oraz konektora Power Query Web, a także z wykorzystaniem sztucznej inteligencji do rozpoznawania treści tekstu. Nabyte umiejętności będziesz mógł przetestować w realistycznym projekcie, któremu poświęcono ostatni rozdział! W książce między innymi: solidne podstawy pracy z narzędziem Power Query automatyzacja operacji na danych proste i zaawansowane techniki dekompozycji tabel tworzenie procedur w języku M pozyskiwanie informacji z danych tekstowych i sieci społecznościowych Power Query i Power BI: sprostasz wyzwaniu przetwarzania danych!
Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych. Wydanie II
Daniil Maslyuk, Gil Raviv
Czy chcesz dokonywać cudów z danymi, unikać powtarzalnej pracy i oszczędzać nawet 80 procent czasu? Zautomatyzować kopiowanie i żmudne oczyszczanie danych, aby doprowadzić je do odpowiedniego stanu? A może chcesz ze spokojem podchodzić do podejmowania racjonalnych decyzji opartych na ogromnych ilościach niejednorodnych danych? Teraz możesz łatwo sprostać takim wyzwaniom i uzyskiwać niezwykłe rezultaty. Wystarczy, że skorzystasz z narzędzi dostępnych w Excelu ― i z tej książki. To zaktualizowane wydanie praktycznego przewodnika po Power Query. Pozwoli Ci opanować umiejętność efektywnego przetwarzania danych i wydobywania z nich wartościowych informacji. Dowiesz się, jak wykonywać złożone prace analityczne i jak używać procedur w języku M. Znajdziesz tu ponad 70 ćwiczeń i 200 plików, dzięki którym nauczysz się importować bezładne, rozdzielone tabele danych i automatycznie przekształcać je w ustrukturyzowane zbiory gotowe do analizy. Większość opisanych technik z łatwością zapamiętasz i użyjesz do swoich potrzeb. W książce między innymi: solidne podstawy pracy z narzędziem Power Query proste i zaawansowane techniki dekompozycji tabel tworzenie elastycznych procedur w języku M pozyskiwanie informacji z danych tekstowych i sieci społecznościowych profilowanie danych i poprawianie wydajności zapytań Power Query i Power BI: więcej i lepiej w krótszym czasie!
Poznaj Microsoft Power BI. Przekształcanie danych we wnioski
Jeremey Arnold
Microsoft Power BI jest narzędziem do analizowania i wizualizacji danych - na tyle potężnym, aby móc sprostać potrzebom nawet najbardziej wymagających danologów, a jednocześnie na tyle przystępnym, aby mogło być używane na co dzień przez każdego, kto chce uzyskać więcej informacji ze swoich danych. Na rynku dostępnych jest wiele książek projektowanych pod kątem szkolenia profesjonalnych analityków danych z obsługi Power BI, jednak niewiele z nich czyni to narzędzie przystępnym dla osób, które chciałyby samodzielnie nadrobić zaległości. To usprawnione wprowadzenie do Power BI obejmuje wszystkie podstawowe aspekty i funkcje pozwalające przejść "od zera do bohatera" w pracy z danymi i wizualizacjami. Bez względu na to, czy pracujesz z dużymi złożonymi zbiorami danych, czy też pracujesz w programie Microsoft Excel, autor Jeremey Arnold pokazuje Ci, jak nauczyć się Power BI i używać go jako zwykłego narzędzia do analizowania i raportowania danych. Nauczysz się: - Importować, manipulować, wizualizować i badać dane w Power BI - Znajdować rozwiązania dla samoobsługi i analizy biznesowej dla przedsiębiorstw - Wykorzystywać Power BI w strategii analizy biznesowej swojej organizacji - Tworzyć efektywne raporty i pulpity nawigacyjne - Tworzyć środowiska do udostępniania raportów i zarządzania dostępem do danych w obrębie swojego zespołu - Określać właściwe rozwiązania w zakresie wykorzystywania oferty Power BI, w zależności od potrzeb związanych z rozmiarem, bezpieczeństwem i złożonością obliczeń Jeremey Arnold jest starszym architektem analizy danych w Onebridge, dużej firmie konsultingowej zajmującej się analizowaniem danych, z siedzibą w Indianapolis w stanie Indiana. Jeremey analizą danych zajmuje się od ponad dekady, a z narzędzia Microsoft Power BI korzysta od czasu jego wydania w roku 2013. Jego doświadczenie rozciąga się na wiele różnych sektorów, w tym opiekę zdrowotną, finanse, produkcję czy sektor publiczny. W swojej pracy skupia się głównie na przekształcaniu danych we wnioski i tworzeniu środowisk opartych na danych.
Joshua N. Milligan
Dane stały się paliwem rozwoju cywilizacji. Wykorzystanie ich potencjału jest jednak trudne: problemem okazuje się wyciąganie z nich informacji i wniosków, aby można było na ich podstawie podejmować trafne decyzje. Jednym z narzędzi ułatwiających tę pracę jest Tableau - program do analityki danych, który umożliwia ich zrozumienie, interpretację i prowadzenie na nich efektywnych działań. Dzięki tej książce płynnie rozpoczniesz pracę z Tableau 2022 i nauczysz się wizualizacji danych. Dowiesz się, jak je analizować i przedstawiać w formie graficznej, a także jak opowiadać oparte na nich historie. W tym wydaniu ujęto najnowsze funkcje programu, między innymi rozszerzenia pulpitów nawigacyjnych, Explain Data i integrację z CRM Analytics (Einstein Analytics), służącym do modelowania predyktywnego w Tableau. Pokazano również, jak używać tabel i obliczeń na różnych poziomach szczegółowości i stosować wizualną analitykę statystyczną. Następnie zademonstrowano techniki łączenia różnych źródeł danych z funkcjonalnościami modeli danych Tableau wraz z mapami i wizualizacjami geoprzestrzennymi. Z tego przewodnika dowiesz się też, jak korzystać z funkcji Tableau Prep Builder, by skutecznie oczyścić i zorganizować dane. Dzięki książce nauczysz się: tworzyć zachwycające wizualizacje złożonych danych budować interaktywne pulpity nawigacyjne korzystać z obliczeń w celu rozwiązywania problemów i uzupełniania analiz wzbogacać możliwości Tableau poprzez rozszerzenia, skrypty i CRM Analytics oczyszczać i organizować dane w Tableau tworzyć angażujące historie oparte na danych Przekonaj się, co Tableau wyczaruje z Twoich danych!
Nataraj Dasgupta
Big Data analytics relates to the strategies used by organizations to collect, organize, and analyze large amounts of data to uncover valuable business insights that cannot be analyzed through traditional systems. Crafting an enterprise-scale cost-efficient Big Data and machine learning solution to uncover insights and value from your organization’s data is a challenge. Today, with hundreds of new Big Data systems, machine learning packages, and BI tools, selecting the right combination of technologies is an even greater challenge. This book will help you do that. With the help of this guide, you will be able to bridge the gap between the theoretical world of technology and the practical reality of building corporate Big Data and data science platforms. You will get hands-on exposure to Hadoop and Spark, build machine learning dashboards using R and R Shiny, create web-based apps using NoSQL databases such as MongoDB, and even learn how to write R code for neural networks.By the end of the book, you will have a very clear and concrete understanding of what Big Data analytics means, how it drives revenues for organizations, and how you can develop your own Big Data analytics solution using the different tools and methods articulatedin this book.
Practical Business Intelligence. Optimize Business Intelligence for Efficient Data Analysis
Ahmed Sherif
Business Intelligence (BI) is at the crux of revolutionizing enterprise. Everyone wants to minimize losses and maximize profits. Thanks to Big Data and improved methodologies to analyze data, Data Analysts and Data Scientists are increasingly using data to make informed decisions. Just knowing how to analyze data is not enough, you need to start thinking how to use data as a business asset and then perform the right analysis to build an insightful BI solution. Efficient BI strives to achieve the automation of data for ease of reporting and analysis. Through this book, you will develop the ability to think along the right lines and use more than one tool to perform analysis depending on the needs of your business. We start off by preparing you for data analytics. We then move on to teach you a range of techniques to fetch important information from various databases, which can be used to optimize your business.The book aims to provide a full end-to-end solution for an environment setup that can help you make informed business decisions and deliver efficient and automated BI solutions to any company.It is a complete guide for implementing Business intelligence with the help of the most powerful tools like D3.js, R, Tableau, Qlikview and Python that are available on the market.
Abhinav Dadhich
In this book, you will find several recently proposed methods in various domains of computer vision. You will start by setting up the proper Python environment to work on practical applications. This includes setting up libraries such as OpenCV, TensorFlow, and Keras using Anaconda. Using these libraries, you'll start to understand the concepts of image transformation and filtering. You will find a detailed explanation of feature detectors such as FAST and ORB; you'll use them to find similar-looking objects.With an introduction to convolutional neural nets, you will learn how to build a deep neural net using Keras and how to use it to classify the Fashion-MNIST dataset. With regard to object detection, you will learn the implementation of a simple face detector as well as the workings of complex deep-learning-based object detectors such as Faster R-CNN and SSD using TensorFlow. You'll get started with semantic segmentation using FCN models and track objects with Deep SORT. Not only this, you will also use Visual SLAM techniques such as ORB-SLAM on a standard dataset. By the end of this book, you will have a firm understanding of the different computer vision techniques and how to apply them in your applications.
Abhinav Dadhich
In this book, you will find several recently proposed methods in various domains of computer vision. You will start by setting up the proper Python environment to work on practical applications. This includes setting up libraries such as OpenCV, TensorFlow, and Keras using Anaconda. Using these libraries, you'll start to understand the concepts of image transformation and filtering. You will find a detailed explanation of feature detectors such as FAST and ORB; you'll use them to find similar-looking objects.With an introduction to convolutional neural nets, you will learn how to build a deep neural net using Keras and how to use it to classify the Fashion-MNIST dataset. With regard to object detection, you will learn the implementation of a simple face detector as well as the workings of complex deep-learning-based object detectors such as Faster R-CNN and SSD using TensorFlow. You'll get started with semantic segmentation using FCN models and track objects with Deep SORT. Not only this, you will also use Visual SLAM techniques such as ORB-SLAM on a standard dataset. By the end of this book, you will have a firm understanding of the different computer vision techniques and how to apply them in your applications.
Practical Convolutional Neural Networks. Implement advanced deep learning models using Python
Mohit Sewak, Md. Rezaul Karim, Pradeep Pujari
Convolutional Neural Network (CNN) is revolutionizing several application domains such as visual recognition systems, self-driving cars, medical discoveries, innovative eCommerce and more.You will learn to create innovative solutions around image and video analytics to solve complex machine learning and computer vision related problems and implement real-life CNN models. This book starts with an overview of deep neural networkswith the example of image classification and walks you through building your first CNN for human face detector. We will learn to use concepts like transfer learning with CNN, and Auto-Encoders to build very powerful models, even when not much of supervised training data of labeled images is available.Later we build upon the learning achieved to build advanced vision related algorithms for object detection, instance segmentation, generative adversarial networks, image captioning, attention mechanisms for vision, and recurrent models for vision. By the end of this book, you should be ready to implement advanced, effective and efficient CNN models at your professional project or personal initiatives by working on complex image and video datasets.