آموزش یادگیری ماشین و هوش مصنوعی در Power BI

Machine Learning and Artificial Intelligence in Power BI

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: آموزش ادغام Machine Learning و AI در Power BI با پروژه های عملی و مربیان حرفه ای Power BI Learning ماشین در Power Bi هوش مصنوعی در Power BI تجزیه و تحلیل پیشرفته تجزیه و تحلیل داده ها پیش نیازها:خیر

اگر به دنبال یک دوره کاربردی، جامع و پیشرفته برای یادگیری یادگیری ماشین و هوش مصنوعی در Power BI هستید، به جای درستی آمده اید.

Power BI به یکی از بهترین ابزارهای هوش تجاری و یکی از گسترده‌ترین ابزار تجسم داده در میان متخصصان داده تبدیل شده است. علاوه بر این، با ادغام مدل‌های Python و یادگیری ماشین، می‌توان از آن برای تجزیه و تحلیل پیشرفته و پیش‌بینی‌کننده استفاده کرد.

در این دوره آموزشی استفاده از ویژگی های هوش مصنوعی Power BI و ادغام مدل های یادگیری ماشین پایتون در Power BI را به شما آموزش می دهیم. همچنین با اصول یادگیری ماشینی و نحوه توسعه مدل‌ها، با autoML و یادگیری ماشینی با کد پایین آشنا خواهید شد.

برای انجام این کار، ما شما را از طریق عملکردهای Power BI، به اشتراک گذاشتن توضیحات واضح و نکات مفید حرفه ای راهنمایی می کنیم. ما یک پیشرفت ثابت و سیستماتیک را دنبال خواهیم کرد و دوره را به این اهداف کلیدی تقسیم می کنیم:


  1. اصول Power BI . در اینجا می خواهیم اصول Power BI را بیاموزیم: اتصال یک منبع داده، رابط برنامه، افزودن فیلترها و موارد دیگر.


  2. نمودارهای هوش مصنوعی مانند Q A، عوامل تأثیرگذار کلیدی یا درختان تجزیه.


  3. تجزیه و تحلیل پیشرفته


  4. مبانی یادگیری ماشین


  5. نصب و همگام سازی پایتون با Power BI


  6. AutoML Fundamental با پایتون و Pycaret


  7. ادغام مدل‌ها در Power BI


  8. مدل‌های رگرسیون با پایتون در Power BI


  9. مدل‌های طبقه‌بندی با Python در Power BI


  10. خوشه بندی مدل ها با پایتون در Power BI


در پایان پروژه، نه تنها تکنیک‌های تحلیلی پیشرفته و یادگیری ماشینی را از ابتدا در داشبوردهای Power BI به کار خواهید برد، بلکه دانش و اعتماد به نفس لازم برای به کارگیری این مفاهیم را در پروژه‌های خود نیز به دست خواهید آورد.

برای کسانی که می‌خواهند با پروژه‌های عملی سریع یاد بگیرند، همین امروز بپیوندند و به موارد زیر دسترسی فوری و مادام العمر داشته باشند:


  • Advanced Data Analytics در Power BI eBook در PDF

  • فایل های پروژه Power BI قابل دانلود

  • تمرینات و آزمونهای عملی

  • منابع Power BI مانند: برگه های تقلب و خلاصه

  • پشتیبانی متخصص یک به یک

  • تالار گفتمان پرسش و پاسخ دوره


آنجا شما را می بینم!


سرفصل ها و درس ها

معرفی این دوره Introduction to this course

  • چگونه از دوره بیشترین بهره را ببرید How to get the most out of the course

  • مواد درسی Course Material

معرفی Power BI Introducción a Power BI

  • معرفی یک Power Bi Introducción a Power Bi

  • دانلود و ارائه Power BI Desktop Descarga y presentación de Power BI Desktop

  • اهمیت داده ها Importación de datos

  • هرامنتاس برای تجزیه و تحلیل داده‌ها Herramientas para analizar la calidad del dato

  • عملکردهای پیش پردازش داده ها Funciones de pre-procesamiento de datos

گرافیک هوش مصنوعی Artificial intelligence graphics

  • پرسش و پاسخ بصری Visual Q&A

  • پیکربندی تصویری پرسش و پاسخ Configuring the Q&A visual

  • حل تمرین 1 Solution Exercise 1

  • اینفلوئنسرهای کلیدی Key Influencers

  • بخش های اصلی نمودار تأثیرگذاران کلیدی Major Chart Segments Key Influencers

  • همبستگی در مقابل علیت Correlation vs Causation

  • حل تمرین 2 Solution Exercise 2

  • تمرین 3 طرح سلسله مراتبی Exercise 3 Hierarchical scheme

  • حل تمرین 3 Solution Exercise 3

  • پیش بینی با سری های زمانی Predictions with time series

  • حل تمرین 4 Solution Exercise 4

  • تشخیص ناهنجاری ها در سری های زمانی Detection of anomalies in time series

  • حل تمرین 5 Solution Exercise 5

پایتون را نصب کنید و با Power BI همگام سازی کنید Install Python and sync with Power BI

  • پایتون را نصب کنید و با Power BI همگام سازی کنید Install Python and synchronization with Power BI

  • نصب Pycaret Installing Pycaret

  • اصول نوت بوک Jupyter Jupyter Notebook Fundamentals

تجزیه و تحلیل پیشرفته Advanced analytics

  • نحوه اجرای اسکریپت های پایتون How to run python scripts

  • مبانی Seaborn Seaborn Basics

  • انتخاب نوع نمودار صحیح Selecting the correct chart type

  • پروژه کاربردی_پیش پردازش داده با پایتون Applied project_Data preprocessing with Python

  • پروژه کاربردی_تحلیل متغیرهای عددی با Seaborn Applied project_Analysis of numerical variables with Seaborn

مبانی یادگیری ماشین Machine Learning Fundamentals

  • مقدمه ای بر هوش مصنوعی Introduction to AI

  • انواع مدل های یادگیری ماشینی Types of Machine Learning Models

  • مراحل آموزش مدل های یادگیری ماشین Phases of training Machine Learning models

  • الگوریتم های اصلی یادگیری ماشین Main Machine Learning algorithms

استقرار مدل ها در Power BI Deploy models in Power BI

  • استقرار مدل ها در Power BI Deploy models in Power BI

مدل های یادگیری ماشین با Scikit-learn Machine Learning models with Scikit-learn

  • Entrenando un modelo de regresión con Sklearn en Power BI Entrenando un modelo de regresión con Sklearn en Power BI

  • ارزیابی و به دست آوردن معیارهای مدل رگرسیون اسکلرن Evaluation and obtaining of metrics of the Sklearn regression model

AutoML Fundamentals با Python و Pycaret AutoML Fundamentals with Python and Pycaret

  • مقدمه ای بر autoML Introduction to autoML

  • آموزش و بهینه سازی مدل ها با Pycaret Training and optimization of models with Pycaret

  • ارزیابی و استقرار مدل با Pycaret Model evaluation and deployment with Pycaret

مدل های رگرسیون با پایتون در Power BI Regression models with Python in Power BI

  • مبانی مدل های رگرسیون با Pycaret در Power BI Fundamentals of regression models with Pycaret in Power BI

  • پروژه کاربردی_توسعه یک مدل رگرسیونی XGBoost Applied project_Development of a regression model of XGBoost

  • پروژه کاربردی_ادغام مدل XGBoost در Power BI Applied project_Integration of the XGBoost model in Power BI

  • پروژه کاربردی_افزودن نمودارهای ارزیابی مدل به PowerBI Applied project_Adding model evaluation charts to PowerBI

  • تمرین 1. مدل های رگرسیون در Power BI Exercise 1. Regression models in Power BI

  • حل تمرین 1 Solution Exercise 1

مدل های طبقه بندی با پایتون در Power BI Classification models with Python in Power BI

  • مبانی مدل های طبقه بندی با Pycaret در Power BI Fundamentals of classification models with Pycaret in Power BI

  • معیارهای ارزیابی مدل های طبقه بندی Evaluation metrics of classification models

  • پروژه کاربردی_توسعه یک مدل طبقه بندی در Power BI Applied project_Development of a classification model in Power BI

  • بارگذاری و پیش بینی پروژه_مدل کاربردی در Power BI Applied project_Model load and prediction in Power BI

  • پروژه کاربردی_استفاده از پیش پردازش پیشرفته روی داده ها Applied project_Applying advanced pre-processing to the data

  • پروژه کاربردی_ارزیابی مدل طبقه بندی در Power BI Applied project_Evaluation of the classification model in Power BI

  • تمرین 2. مدل های طبقه بندی در Power BI Exercise 2. Classification models in Power BI

  • راه حل_تمرین 2 Solution_Exercise 2

خوشه بندی مدل ها با پایتون در Power BI Clustering models with Python in Power BI

  • مبانی مدل های خوشه بندی با Pycaret در Power BI Fundamentals of Clustering Models with Pycaret in Power BI

  • معیارهای ارزیابی مدل خوشه بندی Clustering model evaluation metrics

  • پروژه کاربردی_توسعه یک مدل خوشه بندی در Power BI Applied project_Development of a clustering model in Power BI

  • پروژه کاربردی_توسعه مدل در Jupyter و ادغام در Power BI Applied project_Development of the model in Jupyter and integration in Power BI

  • تمرین 3. خوشه بندی مدل ها در Power BI Exercise 3. Clustering models in Power BI

  • حل تمرین 3 Solution Exercise 3

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشین و هوش مصنوعی در Power BI
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
4.5 hours
58
Udemy (یودمی) udemy-small
12 بهمن 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
455
4.3 از 5
دارد
دارد
دارد
Data Bootcamp

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Data Bootcamp Data Bootcamp

دانشمند داده

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.