تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی Power BI: ترکیب هوش مصنوعی با داده‌ها

دوره آموزشی Power BI: ترکیب هوش مصنوعی با داده‌ها

3 ساعت 35 دقیقهمتوسط2025-07-17

مدرسین

Helen Wall

Helen Wall

Data analytics and business analysis expert

جزئیات دوره

Power BI یکی از قدرتمندترین ابزارهای تحلیل داده و مصورسازی است که به کاربران کسب‌وکار کمک می‌کنه داده‌هاشون رو زیر نظر بگیرن، روندها رو تحلیل کنن و تصمیم‌های بهتری بگیرن. مایکروسافت هر ماه آپدیت‌های جدیدی برای Power BI منتشر می‌کنه و رشد این ابزار، بخش مهمی از استراتژی کلان مایکروسافته.

تو این دوره، کارشناس تحلیل داده و تحلیل کسب‌وکار، هلن وال، بهت نشون می‌ده چطور از قابلیت‌های هوش مصنوعی و یادگیری ماشین که داخل خود Power BI تعبیه شده استفاده کنی. از معرفی کلی Power BI شروع می‌کنیم، بعد می‌ریم سراغ تنظیم Power Query و مدل داده‌ها. یاد می‌گیری چطور متغیرهای تکی رو تحلیل کنی و روابط بین متغیرها رو اندازه‌گیری کنی.

هلن همچنین ابزارها و تکنیک‌هایی رو معرفی می‌کنه که توی تحلیل داده‌های سری زمانی (مثل داده‌های زمان‌دار) بهت کمک می‌کنن و بهترین روش‌ها برای به اشتراک گذاشتن تحلیل‌ها رو بهت آموزش می‌ده.

اهداف یادگیری:
تفاوت بین روش‌های هوش مصنوعی و یادگیری ماشین در محیط Power BI رو بفهمی و کاربردهاشون رو بشناسی
نقش بعدهای مختلف داده و ارتباط آمار، هوش مصنوعی و یادگیری ماشین رو توضیح بدی
تمایز مدل‌سازی داده‌های اکتشافی (Exploratory) و توضیحی (Explanatory) رو بدونی
Power BI Desktop رو طوری تنظیم کنی که با R و Azure Cognitive Services ارتباط برقرار کنه
تکنیک‌های پردازش زبان طبیعی مثل تشخیص زبان، استخراج عبارات کلیدی و تحلیل احساسات رو با Azure پیاده‌سازی کنی
مدل‌های پیش‌بینی رو با ابزارهای داخلی Power BI بسازی و اونا رو با مدل‌های پیشرفته مثل ARIMA و TBATS مقایسه کنی
الگوریتم‌های خوشه‌بندی (Clustering) رو روی انواع مختلف ویژوال‌ها اجرا کنی
فرمول‌های DAX برای محاسبه آمار مثل همبستگی، میانگین‌های متحرک و خطوط رگرسیون بسازی
تکنیک‌های شناسایی ناهنجاری (Anomaly Detection) رو برای داده‌های سری زمانی اجرا کنی و ریشه مشکلات رو پیدا کنی
از ویژوال‌های هوشمند AI مثل Key Influencer و Decomposition Tree برای استخراج عوامل کلیدی استفاده کنی
سناریوهای چه-اگر (What-if) بسازی تا نتایج مختلف کسب‌وکار رو مدل‌سازی کنی
ویژوال‌های پیشرفته مثل violin plots، ماتریس همبستگی و small multiples طراحی کنی
قابلیت سوال و جواب به زبان طبیعی (Natural Language Q&A) و روایت هوشمند (Smart Narratives) رو به کار ببری تا تحلیل‌ها برای افراد غیر فنی قابل فهم باشه
داشبوردهای جامع با ترکیب ویژوال‌های هوشمند AI بسازی و گزارش‌ها رو با کنترل دسترسی و تنظیمات رفرش داده به اشتراک بذاری
داده‌های پیچیده رو با امکانات Power Query مثل fuzzy matching و تشخیص تصویر با هوش مصنوعی آماده کنی
مدل داده‌ای با ستاره‌چین (Star Schema) طراحی کنی و تجمیع داده‌ها رو برای تحلیل AI بهینه سازی کنی
تکنیک‌های مختلف هوش مصنوعی رو در یک راهکار Power BI ادغام کنی تا نیازهای جامع هوش تجاری رو برآورده کنی
انتخاب درست تکنیک AI و یادگیری ماشین بر اساس نیازهای کسب‌وکار و نوع داده‌ها رو یاد بگیری

مهارت ها

Power BIBusiness AnalyticsBusiness IntelligenceMachine LearningArtificial Intelligence FoundationsData AnalysisArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsMicrosoftOne-Off

سرفصل ها

۰. مقدمه

  • 01 - قدرت Power BI
  • 02 - آنچه باید بدانید
  • 03 - پیکربندی R در Power‌BI Desktop

۱. چگونه می‌توانیم از هوش مصنوعی در Power‌BI استفاده‌کنیم ?

  • 04 - مروری بر هوش مصنوعی
  • 05 - استفاده از Power BI
  • 06 - تجزیه‌و‌تحلیل آمار و توزیع مجموعه داده‌ها
  • 07 - اضافه کردن یک ستون با استفاده از تطبیق فازی
  • 08 - گروه بندی داده‌ها با تطبیق فازی
  • 09 - ادغام جداول با استفاده از تطبیق فازی
  • 10 - تشخیص زبان‌ها
  • 11 - استخراج عبارات کلیدی متن
  • 12 - امتیازدهی به احساسات زبانی
  • 13 - تشخیص موارد در داده‌های تصویر

۲. پیکربندی مدل معنایی و پاور کوئری

  • 14- انتخاب تصاویر Power BI
  • 15 - استفاده از برش‌دهنده‌ها
  • 16- تعریف ابعاد
  • 17- ساخت مدل‌های DAX
  • 18- استفاده از تابع محاسبه (CALCULATE) برای اندازه‌گیری‌های DAX
  • 19 - تجسم توزیع‌ها
  • 20 - استفاده از پارامترها
  • 21 - قالب‌بندی واحدهای اندازه‌گیری

۳. تحلیل داده‌های بارگذاری‌شده در یک مدل

  • 22 - استفاده از درخت تجزیه
  • 23 - کشف بینش‌های کلیدی با استفاده از تصویرسازی تأثیرگذار کلیدی
  • 24 - استفاده از ابزار پرسش و پاسخ بصری
  • 25- استفاده از روایت بصری

۴. تحلیل روندها

  • 26 - یافتن خوشه‌ها
  • 27 - محاسبه بهترین خط برازش
  • 28- محاسبه همبستگی‌ها
  • 29 - تجسم روابط بین جفت متغیرها
  • 30- تحلیل همبستگی‌ها با جفت متغیرها
  • 31 - ایجاد corrplot

۵. تحلیل گروه‌ها

  • 32 - محاسبه ضرایب رگرسیون خطی
  • 33 - بررسی خروجی‌ها برای مدل‌های رگرسیون
  • 34 - پیش‌بینی برای مدل‌های رگرسیون
  • 35 - محاسبه باقیمانده‌ها
  • 36 - استفاده از تابع LINEST DAX
  • 37 - استفاده از تابع DAX در LINESTX
  • 38 - ایجاد یک مدل رگرسیون چندجمله‌ای
  • 39 - محاسبه داده‌های پرت
  • 40- استفاده از پارامترها در مدل‌های رگرسیون

۶. تعیین داده‌های پرت و ناهنجاری‌ها

  • 41 - محاسبه میانگین‌های غلتان
  • 42 - استفاده از تشخیص ناهنجاری
  • 43- محاسبه روندهای فصلی
  • 44 - محاسبه روندهای کلی
  • 45- زمینه‌سازی داده‌های پرت در مقابل ناهنجاری‌ها
  • 46 - افزودن پیش‌بینی از پنجره تجزیه و تحلیل

۷. تصاویر پردازش زبان طبیعی

  • 47- کنار هم قرار دادن همه چیز
  • 48 - مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal