Artificial Intelligence with Power BI (E-book) – inteligentniejsze analizy danych bez chaosu
Jeśli Twoje raporty w Power BI mają odpowiadać nie tylko na pytania „co się stało”, ale też „dlaczego” i „co może się wydarzyć”, potrzebujesz podejścia, które łączy dane z możliwościami sztucznej inteligencji. Artificial Intelligence with Power BI (E-book) to praktyczny przewodnik, który pokazuje, jak wzbogacać dane o AI – zarówno wtedy, gdy pracujesz na strukturach tabelarycznych, jak i gdy w grę wchodzą treści tekstowe czy obrazy.
Autor zaczyna od fundamentów: wyjaśnia, czym jest AI, jak rozumieć uczenie maszynowe i deep learning oraz jak w praktyce wygląda proces nauki danych. Następnie prowadzi krok po kroku przez przygotowanie danych pod projekty AI, a później przechodzi do konkretnych funkcji dostępnych w Power BI: forecastingu, wykrywaniu anomalii oraz wizualu Q&A.
W dalszej części książka rozszerza możliwości o analitykę tekstu i computer vision. Dzięki temu możesz tworzyć własną logikę pytań i odpowiedzi w raportach, a także integrować ją z aplikacjami tworzonymi w PowerApps. Na końcu pojawia się wątek modeli trenowanych w Azure Machine Learning (AutoML), a także zasady privacy, fairness i transparency, czyli odpowiedzialnego użycia sztucznej inteligencji.
Od podstaw AI w Power BI do gotowych wniosków
W wielu organizacjach największym problemem nie jest brak danych, tylko brak zrozumienia, jak i kiedy zastosować AI. Ten e-book odpowiada na to wprost: pokazuje korzyści płynące z użycia sztucznej inteligencji w Power BI, a także opisuje typowe trudności związane z wdrożeniem. Dzięki temu łatwiej podejmować decyzje, czy lepiej korzystać z opcji „out-of-the-box”, czy budować własne modele.
W książce znajdziesz też perspektywę, jak myśli analityk danych: od oczekiwań względem roli, przez łączenie się z danymi, po wizualizację. To ważne, bo AI w raportach ma sens dopiero wtedy, gdy jest osadzone w realnym procesie analitycznym.
Interesujący jest też sposób prowadzenia czytelnika przez przygotowanie danych. Zanim uruchomisz forecasting, wykrywanie anomalii czy Q&A, musisz zadbać o jakość i strukturę danych. E-book pokazuje, jak pracować ze strukturą danych, jak naprawiać dane półustrukturyzowane oraz jak postępować, gdy wchodzą obrazy. Osobny rozdział dotyczy braków w danych, a także tego, jak minimalizować bias i jak radzić sobie z outlierami.
Forecasting, anomaly detection i Q&A – AI w Power BI, które „da się użyć”
Rozdziały poświęcone funkcjom wbudowanym w Power BI są zaprojektowane tak, aby dało się je przełożyć na realne scenariusze. Forecasting dotyczy danych szeregowych czasowych i pozwala prognozować przyszłe trendy na podstawie tego, co już widać w danych. Książka wyjaśnia, dlaczego forecasting jest przydatny, jakie algorytmy stoją za funkcją w Power BI oraz jak podejść do optymalizacji jakości prognozy.
Drugi ważny obszar to anomaly detection. E-book tłumaczy, jakie dane są odpowiednie do wykrywania anomalii, dlaczego warto to robić oraz jaka jest logika stojąca za analizą. Co istotne, w tym podejściu nie musisz ręcznie etykietować danych – analiza ma być szybka i skuteczna, a jednocześnie zrozumiała dla osoby korzystającej z Power BI.
Nie brakuje też praktyki wokół Q&A Visual, czyli eksploracji danych w języku naturalnym. Książka prowadzi przez przygotowanie danych pod modele językowe, budowę wizualizacji Q&A, konfigurację i optymalizację działania. Jest też część o tym, jak ulepszać doświadczenie użytkownika za pomocą feedbacku, aby model działał lepiej w czasie.
Tekst i obrazy: Cognitive Services, NLU i computer vision w raportach
Gdy dane nie kończą się na tabelach, pojawiają się nowe możliwości. E-book pokazuje, jak używać Azure Cognitive Services w Power BI, w tym Text Analytics oraz elementy związane z question answering z bazy wiedzy. To podejście pozwala tworzyć odpowiedzi na pytania na podstawie treści, które wcześniej były „nieustrukturyzowane”.
Wątek natural language nie kończy się na Q&A. Książka opisuje integrację Natural Language Understanding w Power BI Desktop oraz wykorzystanie AI Insights do wizualizowania odkryć z tekstu, w tym z użyciem chmury słów.
Istotnym krokiem jest też integracja z aplikacjami. Autor omawia, jak skonfigurować service do question answering, jak zbudować FAQ app w PowerApps, jak wywoływać service przez Power Automate oraz jak połączyć aplikację z raportem w Power BI. W efekcie użytkownik może zadawać pytania, a odpowiedzi trafiają do ekosystemu narzędzi firmy.
W części poświęconej obrazom e-book pokazuje, jak zdobywać wgląd w dane wizualne dzięki Computer Vision i Custom Vision. Zawiera etapy: przygotowanie danych, trenowanie modelu w Custom Vision, ocenę, publikację oraz integrację z Power BI. Jest też wskazówka dotycząca prezentowania zbioru obrazów w raporcie oraz przechowywania danych w sposób zapewniający anonimowy dostęp. Dodatkowo pojawia się plan na poprawę jakości modelu.
AutoML i Azure Machine Learning – buduj własne modele i wdrażaj je w Power BI
Jeśli chcesz wyjść poza wbudowane funkcje, książka prowadzi do tworzenia i wdrażania własnych modeli. W rozdziale o AutoML e-book opisuje zrozumienie procesu ML, moment, w którym AutoML ma sens, oraz jak tworzyć eksperyment w Azure Machine Learning. Następnie pokazuje kroki: utworzenie workspace i zasobów, konfigurację run, wdrożenie modelu do endpointu i integrację w Power BI.
W kolejnym rozdziale przechodzi przez trening modelu w Azure ML – od zrozumienia procesu uczenia, po tworzenie zasobów, pracę z Azure ML Designer, konfigurację pipeline oraz wdrożenie do predykcji wsadowych lub w czasie rzeczywistym. Książka zawiera też wątek generowania batch predictions i real-time predictions, a na końcu integrację endpointu z Power BI w celu uzyskania predykcji.
Takie podejście jest szczególnie przydatne, gdy Twoje dane mają specyficzny charakter i potrzebujesz modelu dopasowanego do własnych scenariuszy biznesowych. Jednocześnie autor przypomina, że wdrożenia AI muszą być odpowiedzialne.
Odpowiedzialne AI: prywatność, uczciwość i przejrzystość
W końcowej części e-booka pojawia się rozdział o Responsible AI. To miejsce, gdzie książka przestaje być wyłącznie „techniczna”, a staje się praktyczna w kontekście ryzyk. Autor omawia ochronę prywatności przy użyciu danych osobowych, w tym usuwanie danych umożliwiających identyfikację oraz podejście oparte o differential privacy.
Drugim filarem jest transparentność. Książka wyjaśnia, jak tworzyć modele przejrzyste, jak rozumieć algorytmy „transparent by design” oraz dlaczego modele działające jak black-box wymagają szczególnej uwagi. Trzecim elementem jest uczciwość: identyfikacja nierówności w modelach i sposoby ich ograniczania.
To ważne szczególnie wtedy, gdy AI wpływa na decyzje biznesowe, procesy HR, ocenę ryzyka lub inne obszary, w których błędy mogą mieć realne konsekwencje.
Dane techniczne produktu
| Parametr | Wartość |
|---|---|
| Nazwa | Artificial Intelligence with Power BI (E-book) |
| SKU | e00da03b685a |
| Cena | 139 zł |
Dla kogo jest ten e-book i czego możesz się spodziewać
Artificial Intelligence with Power BI (E-book) jest skierowany do osób, które chcą realnie wykorzystać możliwości AI w Power BI – od podstaw po wdrożenia modeli. Jeśli pracujesz jako analityk danych lub tworzysz raporty i chcesz wzbogacić je o prognozy, wykrywanie anomalii oraz interfejsy pytania i odpowiedzi, ta pozycja prowadzi Cię przez cały proces.
Zakres obejmuje m.in. przygotowanie danych, rozdziały o forecasting i anomaly detection, wykorzystanie Q&A visual, integracje z Cognitive Services (Text Analytics i elementy question answering), NLU i wizualizacje tekstu, a także computer vision z Computer Vision i Custom Vision. Jest też część o AutoML i treningu modeli w Azure Machine Learning oraz o odpowiedzialnym użyciu AI.
- Uczysz się, jak wzbogacać dane o AI korzystając z funkcji dostępnych „out-of-the-box” w Power BI.
- Budujesz własne modele w Azure ML i wdrażasz je do endpointów, by konsumować predykcje w Power Query Editor.
