Szczegóły ebooka

Power BI i sztuczna inteligencja. Jak w pełni wykorzystać funkcje AI dostępne w Power BI

Power BI i sztuczna inteligencja. Jak w pełni wykorzystać funkcje AI dostępne w Power BI

Mary-Jo Diepeveen

Ebook

Microsoft Power BI zdobył uznanie jako znakomite narzędzie do analizy i przetwarzania złożonych zbiorów danych, ale to nie koniec jego możliwości. Power BI nadaje się do wydobywania z modeli sztucznej inteligencji informacji, które mogą się stać wartościowym materiałem wspomagającym podejmowanie najlepszych decyzji biznesowych. Aby jednak w pełni skorzystać z funkcji dostępnych w Power BI, trzeba posiąść podstawową wiedzę o sztucznej inteligencji.

Książka stanowi wprowadzenie do pracy z funkcjami SI dostępnymi w Power BI; jest skierowana do osób znających to środowisko. Dowiesz się z niej, w jaki sposób sztuczna inteligencja może być używana w Power BI i jakie funkcje są w nim domyślnie dostępne. Nauczysz się też eksplorować i przygotowywać dane do projektów SI. Pokazano tu, jak umieszczać dane z analizy tekstu i widzenia komputerowego w raportach Power BI, co ułatwia korzystanie z zewnętrznej bazy wiedzy. Omówiono również procesy tworzenia i wdrażania modeli AutoML wytrenowanych na platformie Azure ML, a także umieszczania ich w edytorze Power Query. Nie zabrakło kwestii związanych z prywatnością, bezstronnością i odpowiedzialnością w korzystaniu z SI.

W książce między innymi:

  • unikanie tendencyjności w przetwarzaniu danych
  • szeregi czasowe i prognozowanie w Power BI
  • wykrywanie anomalii
  • analiza tekstu w Power Query
  • trenowanie własnych modeli
  • integracja Azure ML z Power BI i generowanie przewidywań

Przekonaj się, jaki potencjał tkwi w analizie zbiorów danych!

O autorce

O recenzentach

Przedmowa

CZĘŚĆ 1. Podstawy sztucznej inteligencji

  • Rozdział 1. Wprowadzenie do sztucznej inteligencji w Power BI
    • Czego możemy oczekiwać od analityka danych?
      • Kim jest analityk danych?
      • Łączenie się z danymi
      • Wizualizowanie danych
    • Czym jest sztuczna inteligencja?
      • Definicja sztucznej inteligencji
      • Definicja uczenia maszynowego
      • Definicja uczenia głębokiego
      • Uczenie nadzorowane a uczenie nienadzorowane
      • Rodzaje algorytmów
      • Czym jest proces danetyczny?
    • Dlaczego powinniśmy korzystać ze sztucznej inteligencji w Power BI?
      • Problemy z implementacją sztucznej inteligencji
      • Dlaczego rozwiązaniem jest sztuczna inteligencja w Power BI?
    • Jakie mamy opcje sztucznej inteligencji w Power BI?
      • Gotowe rozwiązania
      • Tworzenie własnych modeli
    • Podsumowanie
  • Rozdział 2. Eksploracja danych w Power BI
    • Wymogi techniczne
      • Korzystanie z przykładowego zestawu danych dotyczącego poziomu szczęścia na świecie
      • Interpretacja zestawu danych
      • Importowanie zestawu danych World Happiness do Power BI
    • Czego poszukujemy w danych?
      • Ilość danych
      • Jakość danych
    • Korzystanie z narzędzi profilowania danych
      • Column quality
      • Column distribution
      • Column profile
    • Eksploracja danych za pomocą wizualizacji
      • Wykresy liniowe
      • Wykresy słupkowe
      • Histogramy
      • Wykresy punktowe
      • Biblioteka Matplotlib
    • Podsumowanie
  • Rozdział 3. Przygotowywanie danych
    • Naprawa struktury danych
      • Praca z danymi ustrukturyzowanymi
      • Naprawa struktury danych częściowo ustrukturyzowanych
      • Naprawa struktury podczas pracy z obrazami
    • Praca z brakującymi danymi
      • Jak wyszukujemy brakujące dane?
      • Co robimy z brakującymi danymi?
    • Zapobieganie tendencyjności
      • Wyszukiwanie tendencyjności
      • Zapobieganie tendencyjności w zestawie danych
    • Elementy odstające
    • Podsumowanie

CZĘŚĆ 2. Gotowe funkcje SI

  • Rozdział 4. Prognozowanie danych szeregów czasowych
    • Wymogi techniczne
    • Wymagania dotyczące danych w zadaniach prognozowania
      • Do czego służy prognozowanie?
      • Dane szeregu czasowego
      • Przykład: dane dotyczące turystyki
    • Algorytmy używane w prognozowaniu
      • Korzyści używania gotowego modelu
      • Obliczanie prognoz w Power BI
      • Optymalizowanie dokładności prognozowania w Power BI
    • Korzystanie z prognozowania w Power BI
    • Podsumowanie
    • Literatura dodatkowa
  • Rozdział 5. Wykrywanie anomalii w danych za pomocą Power BI
    • Wymogi techniczne
    • Które dane nadają się do wykrywania anomalii?
      • Dlaczego korzystamy z wykrywania anomalii?
      • Wymogi dotyczące danych sprawdzanych pod kątem anomalii
    • Logika kryjąca się za wykrywaniem anomalii
      • Algorytmy odpowiedzialne za funkcję wykrywania anomalii w Power BI
      • Nie trzeba oznaczać danych
      • Szybka i skuteczna analiza
    • Korzystanie z wykrywania anomalii w Power BI
      • Importowanie przykładowego zestawu danych do Power BI
      • Uaktywnianie wykrywania anomalii w Power BI
    • Podsumowanie
    • Literatura dodatkowa
  • Rozdział 6. Korzystanie z języka naturalnego w eksploracji danych za pomocą wizualizacji Q&A
    • Wymogi techniczne
    • Przetwarzanie języka naturalnego
      • Wykorzystywanie języka naturalnego w programach
      • Język naturalny w eksploracji danych
      • Przygotowywanie danych dla modeli języka naturalnego
    • Tworzenie wizualizacji Q&A w Power BI
      • Dodawanie wizualizacji Q&A
      • Korzystanie z wizualizacji Q&A
    • Optymalizacja wizualizacji Q&A
      • Opcje konfiguracji wizualizacji Q&A
      • Poprawianie jakości wizualizacji Q&A
      • Udoskonalanie modelu za pomocą opinii użytkowników
    • Podsumowanie
    • Literatura dodatkowa
  • Rozdział 7. Korzystanie z pakietu Cognitive Services
    • Wymogi techniczne
    • Pakiet Azure Cognitive Services
      • Tworzenie zasobu Cognitive Services
    • Rozumienie języka w pakiecie Cognitive Services
      • Text Analytics
      • Mechanizm odpowiadania na pytania na podstawie bazy wiedzy
    • Widzenie maszynowe w pakiecie Cognitive Services
      • Usługa Computer Vision
      • Korzystanie z usługi Custom Vision
      • Korzystanie z usługi Face
    • Podsumowanie
  • Rozdział 8. Integracja rozumienia języka naturalnego z Power BI
    • Wymogi techniczne
    • Korzystanie z interfejsów Language w Power BI Desktop
      • Korzystanie z narzędzia AI Insights
      • Korzystanie z edytora Power Query
    • Wizualizowanie w raportach spostrzeżeń wydobywanych z danych tekstowych
      • Wizualizowanie danych tekstowych za pomocą narzędzia Word Cloud
    • Podsumowanie
  • Rozdział 9. Integracja interaktywnej aplikacji Q&A z Power BI
    • Wymogi techniczne
    • Tworzenie aplikacji odpowiadającej na pytania
      • Mechanizm działania aplikacji odpowiadającej na pytania
      • Konfiguracja usługi odpowiadającej na pytania
    • Tworzenie aplikacji FAQ za pomocą usługi Power Apps
      • Tworzenie nowej aplikacji w usłudze Power Apps
      • Dodawanie usługi Power Automate w celu wywoływania usługi odpowiadającej na pytania
      • Łączenie usługi Power Automate z usługą Power Apps
    • Integrowanie aplikacji FAQ z Power BI
    • Poprawianie modelu odpowiadającego na pytania
    • Podsumowanie
  • Rozdział 10. Uzyskiwanie spostrzeżeń z obrazów za pomocą widzenia maszynowego
    • Wymogi techniczne
    • Uzyskiwanie spostrzeżeń w interfejsie Computer Vision za pomocą funkcji AI Insights
      • Korzystanie z opcji Vision w ramach funkcji AI Insights
    • Konfigurowanie interfejsu Custom Vision
      • Przygotowywanie danych z myślą o interfejsie Custom Vision
      • Uczenie modelu w interfejsie Custom Vision
      • Ocenianie modeli klasyfikujących
      • Publikowanie modelu Custom Vision
    • Integrowanie interfejsów Computer Vision/Custom Vision z Power BI
    • Wyświetlanie rolki obrazów w raporcie za pomocą wizualizacji
      • Przechowywanie danych i nadawanie im anonimowej dostępności
      • Udoskonalanie modelu Custom Vision
    • Podsumowanie

CZĘŚĆ 3. Tworzenie własnych modeli

  • Rozdział 11. Zautomatyzowane uczenie maszynowe za pomocą platformy Azure i Power BI
    • Wymogi techniczne
    • AutoML
      • Proces uczenia maszynowego
      • Poprawianie skuteczności modelu uczenia maszynowego
      • Kiedy należy korzystać z AutoML?
    • Tworzenie eksperymentu AutoML w Azure ML
      • Tworzenie obszaru roboczego Azure ML i zasobów
      • Konfigurowanie AutoML
    • Wdrażanie modelu do punktu końcowego
    • Integrowanie modelu z Power BI
    • Podsumowanie
  • Rozdział 12 .Uczenie modelu za pomocą usługi Azure Machine Learning
    • Wymogi techniczne
    • Mechanizm uczenia modelu
      • Wyjaśnienie procesu uczenia maszynowego
    • Praca z Azure ML
      • Tworzenie zasobów Azure ML
    • Uczenie modelu za pomocą interfejsu Azure ML Designer
      • Konfigurowanie potoku Azure ML Designer
    • Wdrażanie modelu do zadań przewidywania wsadowego lub w czasie rzeczywistym
      • Generowanie przewidywań wsadowych
      • Generowanie przewidywań w czasie rzeczywistym
    • Integrowanie punktu końcowego z Power BI w celu generowania przewidywań
    • Podsumowanie
  • Rozdział 13. Odpowiedzialna sztuczna inteligencja
    • Definicja odpowiedzialnej SI
    • Ochrona prywatności podczas wykorzystywania danych osobowych
      • Usuwanie danych osobowych
      • Wprowadzanie prywatności różnicowej do danych osobowych
    • Tworzenie przejrzystych modeli
      • Korzystanie z odgórnie przejrzystych modeli
      • Wyjaśnienie modeli "czarnej skrzynki"
    • Tworzenie bezstronnych modeli
      • Wykrywanie stronniczości w modelach
      • Minimalizowanie stronniczości w modelach
    • Podsumowanie
  • Tytuł: Power BI i sztuczna inteligencja. Jak w pełni wykorzystać funkcje AI dostępne w Power BI
  • Autor: Mary-Jo Diepeveen
  • Tytuł oryginału: Artificial Intelligence with Power BI: Take your data analytics skills to the next level by leveraging the AI capabilities in Power BI
  • Tłumaczenie: Krzysztof Sawka
  • ISBN: 978-83-8322-781-8, 9788383227818
  • Data wydania: 2023-11-14
  • Format: Ebook
  • Identyfikator pozycji: pobisz
  • Wydawca: Helion
  • Kategoria wiekowa: 14+