Aus dem Kurs: Power BI mit Python
Python trifft Power BI: Toolbox für intelligente Analysen und maschinelles Lernen
Aus dem Kurs: Power BI mit Python
Python trifft Power BI: Toolbox für intelligente Analysen und maschinelles Lernen
“
Power BI ist hervorragend für Visualisierungen und Dashboards. Doch wenn es um komplexe Datenanalysen, Mustererkennung oder echte Vorhersagekraft geht, stößt das BI Tool schnell an seine Grenzen. Doch genau hier kommt die Programmiersprache Python zum Einsatz. Ich bin Fabio Basler, Trainer und Autor für Data Science und Machine Learning. In diesem LinkedIn Learning Videokurs erfahren Sie, wie Sie mithilfe von Python-Skripten Power BI zu einem vollwertigen Data Science Werkzeug aufwerten. Sie programmieren statistische Visuals mit Map Seaborn, entwickeln Machine Learning Modelle zur Vorhersage von Umsätzen oder der Kundenzufriedenheit und extrahieren komplexe Textdaten mithilfe von NLP-Techniken. Also, worauf warten Sie noch? Beginnen Sie noch heute damit, Python bei Ihren BI-Projekten einzusetzen.
Üben mit Projektdateien
Laden Sie die Dateien herunter, die von den Trainer:innen verwendet werden. So können Sie mitlesen und durch Ansehen, Zuhören und Üben lernen.
Laden Sie die Übungsdateien zu diesem Kurs herunter.
Starten Sie noch heute mit einer kostenlosen Probeversion.
Laden Sie Kurse herunter und lernen Sie auch unterwegs.
Sehen Sie sich Kurse auf Ihrem Mobilgerät ohne Internetverbindung an. Laden Sie Kurse mit der LinkedIn Learning-App für iOS oder Android herunter.
Sehen Sie sich diesen Kurs an, wann und wo immer Sie möchten.
Starten Sie noch heute mit einer kostenlosen Probeversion.
Inhalt
-
-
Theorie: Möglichkeiten von Data Science und Machine Learning in Power BI4 Min. 56 Sek.
-
(Gesperrt)
Python einrichten: Installation und Setup in Power BI4 Min. 10 Sek.
-
(Gesperrt)
Bibliotheken installieren: Python-Toolkit für Power BI1 Min. 10 Sek.
-
(Gesperrt)
Projektdaten und Herausforderungen kennenlernen3 Min. 51 Sek.
-
(Gesperrt)
Datengrundlage importieren4 Min. 41 Sek.
-
-
-
(Gesperrt)
Theorie: Daten gezielt aufbereiten: Grundlagen der Datentransformation1 Min. 57 Sek.
-
Pandas-DataFrame erstellen für Subregionentabelle3 Min. 58 Sek.
-
(Gesperrt)
Pandas-DataFrame erstellen für eine Kalendertabelle4 Min. 27 Sek.
-
(Gesperrt)
Daten richtig strukturieren: erste Zeile als Überschrift festlegen5 Min. 2 Sek.
-
(Gesperrt)
Datentypen formatieren5 Min. 37 Sek.
-
(Gesperrt)
Daten bereinigen: leere Zeilen und Spalten entfernen3 Min. 50 Sek.
-
(Gesperrt)
Berechnete Spalten erstellen: Umsatzwerte generieren4 Min. 33 Sek.
-
(Gesperrt)
Fehlende Werte oder Nullwerte sicher erkennen und behandeln4 Min. 47 Sek.
-
(Gesperrt)
Daten intelligent gruppieren3 Min. 25 Sek.
-
(Gesperrt)
Tabellen strukturieren und ins Datenmodell laden3 Min. 53 Sek.
-
(Gesperrt)
Datenmodell aufbauen und Beziehungen verwalten4 Min. 24 Sek.
-
(Gesperrt)
-
-
(Gesperrt)
Theorie: Visualisierung verstehen: Grundlagen und Konzepte4 Min. 10 Sek.
-
Layout für das Dashboard vorbereiten4 Min. 54 Sek.
-
(Gesperrt)
Das erste Python-Skript zur Datenvisualisierung programmieren4 Min. 53 Sek.
-
(Gesperrt)
Plots konfigurieren mit Achsen, Titel, Legenden und Layouts4 Min. 40 Sek.
-
(Gesperrt)
Boxplots erstellen und Lageverteilung analysieren3 Min. 57 Sek.
-
(Gesperrt)
Strip- und Violinplots für detailreiche Analysen3 Min. 22 Sek.
-
(Gesperrt)
Histogramme zur Datenverteilung2 Min. 32 Sek.
-
(Gesperrt)
Beziehungen und Verteilungen kombinieren: Jointplots visualisieren4 Min. 57 Sek.
-
(Gesperrt)
Multivariate Zusammenhänge mit Pairplots erkunden3 Min. 22 Sek.
-
(Gesperrt)
Visualisierungen erweitern mit FacetGrids3 Min. 27 Sek.
-
(Gesperrt)
Challenge: Visuals programmieren1 Min. 32 Sek.
-
(Gesperrt)
Solution: Visuals programmieren2 Min. 44 Sek.
-
(Gesperrt)
-
-
(Gesperrt)
Theorie: Einführung in statistische Analyseverfahren4 Min. 28 Sek.
-
Explorative Datenauswertung zur Mustererkennung5 Min. 41 Sek.
-
(Gesperrt)
Liniendiagramme analysieren mit integrierten Analysefunktionen5 Min. 20 Sek.
-
(Gesperrt)
Korrelationsstrukturen entdecken: Heatmap erstellen3 Min. 45 Sek.
-
(Gesperrt)
Ausreißer zuverlässig entdecken5 Min. 33 Sek.
-
(Gesperrt)
Vertrauen schaffen: Schätzinzervalle berechnen und interpretieren6 Min. 6 Sek.
-
(Gesperrt)
-
-
Theorie: Einstieg ins Machine Learning – Grundlagen und Möglichkeiten6 Min. 34 Sek.
-
(Gesperrt)
Theorie: lineare Regression5 Min. 5 Sek.
-
(Gesperrt)
Variablen vorbereiten: »Alter« und »Anzahl Tage seit Kundenregistrierung«2 Min. 41 Sek.
-
(Gesperrt)
Lineare Regression erstellen und trainieren4 Min. 57 Sek.
-
(Gesperrt)
Prognosen erstellen und Modell evaluieren4 Min. 55 Sek.
-
(Gesperrt)
Vorhersagen in den Bericht laden2 Min. 38 Sek.
-
(Gesperrt)
Tatsächliche Umsätze und Prognosen plotten2 Min. 46 Sek.
-
(Gesperrt)
Residuen grafisch plotten4 Min. 7 Sek.
-
-
-
(Gesperrt)
Theorie: Klassifikation verstehen – Grundlagen und Nutzen4 Min. 49 Sek.
-
Verteilungsanalyse der Kundenzufriedenheit2 Min. 11 Sek.
-
(Gesperrt)
Korrelationsmatrix plotten und Zusammenhänge analysieren3 Min. 40 Sek.
-
(Gesperrt)
Klassifikationsmodell erstellen und trainieren5 Min. 28 Sek.
-
(Gesperrt)
Ergebnisse validieren: Modellleistung bewerten4 Min. 21 Sek.
-
(Gesperrt)
Vorhersagen in den Bericht laden3 Min. 53 Sek.
-
(Gesperrt)
Konfusionsmatrix visualisieren und interpretieren4 Min. 15 Sek.
-
(Gesperrt)
Verbesserung der Kundenzufriedenheit und Vorhersage mit Klassifikationsmodellen3 Min. 23 Sek.
-
(Gesperrt)
-
-
(Gesperrt)
Theorie: Clustering kennenlernen – Theorie und Anwendung4 Min. 41 Sek.
-
(Gesperrt)
Clustering direkt in Power BI visualisieren2 Min. 25 Sek.
-
(Gesperrt)
Kundensegmente bilden: eigenes Clustering-Modell trainieren5 Min. 27 Sek.
-
(Gesperrt)
Ergebnisse überzeugend visualisieren in einem Scatterplot2 Min. 19 Sek.
-
(Gesperrt)
Vergleich der Clustering-Ergebnisse: Power BI vs. Python4 Min. 48 Sek.
-
(Gesperrt)
-
-
(Gesperrt)
Theorie: Einführung ins Natural Language Processing (NLP)5 Min. 8 Sek.
-
(Gesperrt)
Q&A-Feature: natürliche Fragen an das Datenmodell stellen und Ergebnisse erhalten4 Min. 27 Sek.
-
(Gesperrt)
Wordclouds: Themen und Trends aus Texten sichtbar machen4 Min. 40 Sek.
-
(Gesperrt)
Azure Cognitive Services zur Spracherkennung1 Min. 20 Sek.
-
(Gesperrt)
Azure Cognitive Services zur Schlüsselwortextraktion2 Min. 17 Sek.
-
(Gesperrt)
Azure Cognitive Services zur Sentiment-Analyse2 Min. 35 Sek.
-
(Gesperrt)
Sentimentanalyse mit Textblob erstellen6 Min. 10 Sek.
-
(Gesperrt)
Kundenmeinungen mit Sentiment-Scores bewerten und vergleichen4 Min. 14 Sek.
-
(Gesperrt)
Schlüsselwörter gezielt extrahieren2 Min. 59 Sek.
-
(Gesperrt)