لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش روش های داده Power BI
Power BI Data Methods
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
Power BI ابزاری قدرتمند برای تجزیه و تحلیل و تجسم داده است که به کاربران در نظارت بر داده ها ، تحلیل روندها و تصمیم گیری دقیق تر کمک می کند. گستردگی قابلیت های این ابزار در کل برنامه بسیار گسترده است ، از اتصالات داده سفارشی گرفته تا تصاویر داشبورد سفارشی. این دوره بر روی پایان داده Power BI ، همچنین به عنوان Power Query (همان Query Power موجود در اکسل) شناخته می شود ، و اینکه چگونه این قسمت از برنامه می تواند فرآیند جستجوی داده ها و بازسازی مجموعه داده ها را به صورت خودکار تمرکز کند. مربی هلن وال مجموعه ای از گزینه های اتصال داده Power BI را از پرونده های ثابت تا اسکریپت های پایتون مرور می کند. تکنیک های اصلی برای تبدیل داده های غیر قابل استفاده را به اشتراک می گذارد. نحوه استفاده از زبان فرمول M برای بهبود کارایی و ایجاد نمایش داده های سفارشی را توضیح می دهد. و بیشتر.
موضوعات شامل:
مراحل اتصال به پوشه ها را شرح دهید. li>
روند استفاده از لیست و ضبط اشیا را در تجزیه و تحلیل داده ها توضیح دهید. li>
هنگام ایجاد کد با M. خطاها را شناسایی کنید li>
نحوه ارجاع لیست به جدول را به عنوان ستون مشخص كنید. li>
سرفصل ها و درس ها
مقدمه
Introduction
اکوسیستم Power BI
The Power BI ecosystem
Power BI چیست؟
What is Power BI?
درک ETL (استخراج ، تبدیل و بار)
Understanding ETL (extract, transform, and load)
روی Query Power تمرکز کنید
Focus on Power Query
ملاحظات دوره
Course considerations
1. استخراج داده ها: پرونده ها
1. Extracting Data: Files
اتصال به CSV یا پرونده های متنی
Connecting to CSV or text files
وارد کردن داده به صورت دستی
Manually entering data
اتصال به یک پرونده اکسل
Connecting to an Excel file
اتصال به یک پرونده PDF
Connecting to a PDF file
اتصال به پوشه ها
Connecting to folders
2. استخراج داده ها: بانک اطلاعاتی
2. Extracting Data: Databases
اتصال به پایگاه داده ها
Connecting to databases
مقایسه حالت های اتصال داده
Comparing data connection modes
پرس و جوهای تاشو و نمایش داده شدگان بومی
Query folding and native queries
3. استخراج داده ها: وب و گزینه های دیگر
3. Extracting Data: Web and Other Options
اتصال به جداول وب
Connecting to web tables
جستجوی داده های API
Querying API data
جستجوی اتصالات REST API
Querying REST API connections
پیکربندی فیدهای OData
Configuring OData feeds
نصب پایتون
Installing Python
در حال اجرای اسکریپت های پایتون
Running Python scripts
4- تبدیل داده ها: تمیز کردن
4. Transforming Data: Cleaning
ابرداده اعمال می شود
Leveraging metadata
انواع داده اعمال می شود
Leveraging data types
تحولات میدانی اولیه
Making initial field transformations
زمینه های تقسیم
Splitting fields
زمینه های ادغام
Merging fields
تمیز کردن زمینه های متن
Cleaning text fields
تبدیل زمینه های عددی
Transforming numerical fields
حذف یا جایگزینی مقادیر
Removing or replacing values
فیلتر و از بین بردن نسخه های تکراری
Filtering and removing duplicates
دسترسی به سؤال بومی در تمیز کردن
Accessing native query in cleaning
5- تبدیل داده ها: ادغام
5. Transforming Data: Integration
معرفی اشیاء جدول
Introducing table objects
معرفی لیست و ضبط اشیاء
Introducing list and record objects
کار با اشیاء باینری
Working with binary objects
داده های گروهی
Grouping data
داده های محوری
Pivoting data
انتقال داده
Transposing data
داده بدون حاشیه
Unpivoting data
دسترسی به جستجوی محلی در ادغام
Accessing native query in integration
6. تبدیل داده ها: غنی سازی
6. Transforming Data: Enrichment
فرمول متن اعمال شده
Leveraging text formulas
فرمول های شرطی
Conditional formulas
ستون های بالا یا پایین را پر کنید
Filling up or down columns
فرمول تاریخ اهرم
Leveraging date formulas
ترکیب پرونده های باینری با فرمول ها
Combining binary files with formulas
دسترسی به جستجوی محلی در غنی سازی
Accessing native query in enrichment
7. اعمال نفوذ M زبان: منطق و نحو
7. Leveraging M Language: Logic and Syntax
مراحل کار با ویرایشگر Query
Working with Query Editor steps
شکستن نحو
Breaking down syntax
تغییر نام مراحل در M
Renaming steps in M
تحکیم مراحل M
Consolidating M steps
افزودن انواع داده به عنوان کد M سفارشی
Adding data types as custom M code
اتصال به داده های باینری پستی
Connecting to zipped binary data
8. اعمال نفوذ زبان M: اشیاء
8. Leveraging M Language: Objects
استفاده از پارامترها
Utilizing parameters
ایجاد اشیاء لیست
Creating list objects
ارجاع لیست به عنوان ستون در یک جدول
Referencing a list as a column in a table
اعمال اشیاء ضبط شده
Leveraging record objects
توابع لیست اعمال نفوذ
Leveraging list functions
ایجاد جداول تاریخ
Creating date tables
حلقه زدن با لیست ها
Looping with lists
ترکیب اشیاء لیست
Combining list objects
9. اعمال نفوذ زبان M: توابع سفارشی
9. Leveraging M language: Custom Functions
تنظیم توابع سفارشی
Setting up custom functions
تبدیل نمایش داده شد به توابع
Converting queries into functions
کارشناس تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار
هلن وال یک متخصص تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار است.
هلن در تجزیه و تحلیل داده ها - پرسش، تجزیه و تحلیل و مدل سازی داده ها مهارت دارد. برای به دست آوردن بینش - و ایجاد تجسم هایی که معیارها را نشان می دهد، تا به کسب و کارها در تصمیم گیری آگاهانه کمک کند. او در نقش خود به عنوان یک تحلیلگر ارشد مالی، در حال حاضر گزارش ها را بهبود می بخشد، فرآیندها را ساده می کند و پیش بینی ها را نظارت می کند و به گروه پیش بینی و تجزیه و تحلیل بودجه کمک می کند. او در چندین ابزار از جمله Tableau، Microsoft Excel، Microsoft Power Query، Microsoft Power BI مهارت دارد.
نمایش نظرات