دوره آموزشی روشهای داده Power BI آپدیت (2019)
3 ساعت 57 دقیقهمتوسط2019-10-09
مدرسین

Helen Wall
Data analytics and business analysis expert
جزئیات دوره
Power BI یک ابزار قدرتمند تجزیه و تحلیل داده و تجسم است که به کاربران کمک می کند داده ها را نظارت کنند، روندها را تجزیه و تحلیل کنند و تصمیمات هوشمندانه تری بگیرند. وسعت قابلیت های این ابزار در کل برنامه بسیار گسترده است، از اتصال دهنده های داده سفارشی گرفته تا تصاویر داشبورد سفارشی. این دوره بر روی پایان دادههای Power BI که به عنوان Power Query نیز شناخته میشود (همان Power Query موجود در اکسل) و اینکه چگونه این بخش از برنامه میتواند فرآیند جستجوی دادهها و بازسازی مجموعه دادهها را خودکار کند، تمرکز دارد. مربی هلن وال، آرایه ای از گزینه های اتصال داده Power BI، از فایل های ثابت گرفته تا اسکریپت های پایتون را بررسی می کند. تکنیک های کلیدی برای تبدیل داده های غیرقابل استفاده را به اشتراک می گذارد. نحوه استفاده از زبان فرمول M را برای بهبود کارایی و ایجاد پرس و جوهای سفارشی توضیح می دهد. و بیشتر.
اهداف یادگیری
مراحل اتصال به پوشه ها را شرح دهید.
فرآیند استفاده از اشیاء لیست و ثبت در تجزیه و تحلیل داده ها را توضیح دهید.
هنگام ایجاد کد با M خطاها را شناسایی کنید.
نحوه ارجاع لیست در جدول را به عنوان ستون تعریف کنید.
اهداف یادگیری
مراحل اتصال به پوشه ها را شرح دهید.
فرآیند استفاده از اشیاء لیست و ثبت در تجزیه و تحلیل داده ها را توضیح دهید.
هنگام ایجاد کد با M خطاها را شناسایی کنید.
نحوه ارجاع لیست در جدول را به عنوان ستون تعریف کنید.
مهارت ها
Power BI for Office 365Power BIBusiness AnalyticsBusiness IntelligenceData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsMicrosoftOne-Off
سرفصل ها
0. مقدمه
- 01 - اکوسیستم Power BI
- 02 - Power BI چیست
- 03 - درک ETL (استخراج، تبدیل و بارگذاری)
- 04 - روی Power Query تمرکز کنید
- 05 - ملاحظات دوره
1. استخراج داده ها - فایل ها
- 06 - اتصال به CSV یا فایل های متنی
- 07 - وارد کردن دستی داده ها
- 08 - اتصال به فایل اکسل
- 09 - اتصال به یک فایل PDF
- 10 - اتصال به پوشه ها
2. استخراج داده ها - پایگاه های داده
- 11 - اتصال به پایگاه های داده
- 12 - مقایسه حالت های اتصال داده
- 13 - پرس و جوهای تاشو و بومی
3. استخراج داده ها - وب و گزینه های دیگر
- 14 - اتصال به جداول وب
- 15 - پرس و جو از داده های API
- 16 - پرس و جو اتصالات REST API
- 17 - پیکربندی فیدهای OData
- 18 - نصب پایتون
- 19 - اجرای اسکریپت های پایتون
4. تبدیل داده ها - تمیز کردن
- 20 - استفاده از ابرداده
- 21 - استفاده از انواع داده ها
- 22 - ایجاد تحولات میدانی اولیه
- 23 - تقسیم زمینه ها
- 24 - ادغام فیلدها
- 25 - پاک کردن فیلدهای متنی
- 26 - تبدیل فیلدهای عددی
- 27 - حذف یا جایگزینی مقادیر
- 28 - فیلتر کردن و حذف موارد تکراری
- 29 - دسترسی به پرس و جو بومی در پاکسازی
5. تبدیل داده ها - یکپارچه سازی
- 30 - معرفی اشیاء جدول
- 31 - معرفی لیست و ثبت اشیاء
- 32 - کار با اشیاء باینری
- 33 - گروه بندی داده ها
- 34 - داده های محوری
- 35 - انتقال داده ها
- 36 - داده های بدون محور
- 37 - دسترسی به پرس و جو بومی در یکپارچه سازی
6. تبدیل داده ها - غنی سازی
- 38 - استفاده از فرمول های متنی
- 39 - فرمول های شرطی
- 40 - پر کردن ستون های بالا یا پایین
- 41 - استفاده از فرمول های تاریخ
- 42 - ترکیب فایل های باینری با فرمول ها
- 43 - دسترسی به پرس و جو بومی در غنی سازی
7. استفاده از زبان M - منطق و نحو
- 44 - مراحل کار با Query Editor
- 45 - شکستن نحو
- 46 - تغییر نام مراحل در M
- 47 - ادغام مراحل M
- 48 - افزودن انواع داده به عنوان کد M سفارشی
- 49 - اتصال به داده های باینری فشرده
8. استفاده از زبان M - اشیاء
- 50 - استفاده از پارامترها
- 51 - ایجاد اشیاء لیست
- 52 - ارجاع به لیست به صورت ستونی در جدول
- 53 - اهرم گذاری اشیاء ثبت
- 54 - اعمال نفوذ لیست
- 55 - ایجاد جداول تاریخ
- 56 - حلقه زدن با لیست ها
- 57 - ترکیب اشیاء لیست
9. استفاده از زبان M - توابع سفارشی
- 58 - تنظیم توابع سفارشی
- 59 - تبدیل کوئری ها به توابع
- 60 - پیکربندی فیلترینگ سفارشی
10. بارگذاری داده ها
- 61 - پیکربندی گزینه های بارگذاری
- 62 - رفع خطاها
- 63 - تازه کردن داده ها
- 64 - پیوستن به مجموعه داده ها
- 65 - مدل های کامپوزیت
نتیجه
- 66 - مراحل بعدی