book

Inteligencia Artificial con Microsoft Power BI

by Jen Stirrup, Thomas J. Weinandy

September 2024

Intermediate to advanced

472 pages

13h 4m

Spanish

O'Reilly Media, Inc.

Audio summary available

Read now

Unlock full access

¿Cuál es el estado actual de la tecnología de IA en las empresas?La estructura de este libro¿Por qué escribimos este libro?¿A quién va dirigido este libro?Convenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Visión general de los métodos de ingestión de datos de Power BIFlujos de trabajo en Power BI que utilizan IA¿Cómo se crean los flujos de datos?Aspectos a tener en cuenta antes de crear flujos de trabajoFlujos de datos y agregaciones automáticasPrepara primero tus datosPreparar los datos para los flujos de datos¿Dónde deben limpiarse y prepararse los datos?Ingestión de datos en tiempo real frente a procesamiento por lotesConjuntos de datos en tiempo real en Power BIProcesamiento de datos por lotes con Power BIImportar datos por lotes con Power Query en Flujos de datosEl motor de cálculo de flujo de datosOpciones de flujo de datosDirectQuery en Power BIImportación frente a consulta directa: Recomendaciones prácticasPower BI Premium, Pro y GratuitoResumen
¿Qué es un modelo de datos?¿Qué es una tabla de hechos?¿Por qué es importante el modelado de datos?¿Por qué son importantes los modelos de datos en Power BI?¿Por qué necesitamos un modelo de datos para la IA?Consejos para crear un modelo de datos para la IACentro de Excelencia AnalíticaGanarse la confianza a través de las transacciones de datosAlmacenamiento ágil de datos: El marco BEAMDisciplinas de modelado de datos para apoyar la IAModelado de datos frente a modelos de IAModelado de datos en Power BI¿Qué significan las relaciones para la IA?Estructura de archivos planos frente a estructura de modelos dimensionales en Power BIResumen
¿Qué es una estrategia de datos?Inteligencia Artificial en la Visualización de Datos de Power BIPerspectivas con IAAprendizaje automático de máquinas (AutoML) en Power BIServicios cognitivosModelado de datosResolución de problemas reales con datosPredicción binariaClasificaciónRegresiónDemostración práctica de la predicción binaria para predecir el nivel de ingresosReúne los datosCrear un espacio de trabajoCrear un flujo de datosInformes de evaluación de modelos en Power BIResumen
El poder transformador de la automatizaciónSobrevivir (y prosperar) con la automatizaciónAutomatización de la IA en Power BIIA en Power QueryObtener datos de la Web por ejemploDemostración 4-1: Obtener datos de la Web con un ejemploAñadir columna a partir de ejemplosDemostración 4-2: Añadir columna a partir de ejemplosPerfiles de datosDemostración 4-3: Perfilado de datosGeneración de mesasDemostración 4-4: Generación de tablasEmparejamiento difusoDemostración 4-5: Emparejamiento difusoExploración Inteligente de DatosIdeas rápidasDemo 4-6: Perspectivas rápidasCreación de informesDemostración 4-7: Creación de informesNarrativa inteligenteResumen
Algo más que marcas de tiempoLos componentes de una serie temporalCambios en una serie temporalCómo funcionan las líneas de tendencia en Power BILimitaciones de las líneas de tendenciaDemostración 5-1: Exploración de datos de viajes en taxiPrevisiónPrevisión para las empresasCómo funcionan las previsionesLimitaciones de la previsiónDemostración 5-2: Previsión de datos de viajes en taxiDetección de anomalíasDetección de anomalías para empresasCómo funciona la detección de anomalíasLimitaciones de la detección de anomalíasDemostración 5-3: Detección de anomalías con datos de viajes en taxiResumen
Análisis de conglomerados para empresasLa segmentación se une a la ciencia de datosPreprocesamiento de datos para el análisis de conglomeradosCómo funciona el análisis de conglomerados en Power BILimitaciones del análisis de conglomeradosDemostración 6-1: Análisis de conglomerados con datos de AirBnBResumen
Apoyar las decisiones basadas en datos con un diccionario de datos¿Qué son los Servicios de IA de Azure?Acceso a los servicios de IA de Azure en Power BICrear un recurso de servicios de IA de AzureCrear un informe de Power BIOpenAI ChatGPT y Power BI¿Cuál es la finalidad del ejercicio?Requisitos previos del ejercicioEjemplo de Azure OpenAI y Power BIGenerar una clave secreta y un código desde el sitio web de OpenAICrear un conjunto de datos de Power BI en streaming¿No funciona el panel de control?Resumen
Modelos personalizados frente a modelos preentrenadosTexto como datoLimitaciones del Análisis de TextosDemostración 8-1: Ingesta de datos de AirBnBDetección de idiomasCómo funcionaRendimiento y limitacionesDemo 8-2: Detección de idiomasExtracción de frases claveCómo funcionaRendimiento y limitacionesDemostración 8-3: Extracción de frases claveAnálisis de SentimientoCómo funcionaRecomendaciones y limitacionesDemostración 8-4: Análisis de SentimientoDemostración 8-5: Exploración de un informe con análisis de textoResumen
Imágenes como datosAprendizaje profundoUna red neuronal sencillaEtiquetado de imágenes para empresasCómo funcionaLimitaciones de la visiónDemostración 9-1: Ingesta de Datos de AirBnBDemostración 9-2: Etiquetado de imágenesDemostración 9-3: Explorar un informe con VisiónResumen

Estrategia empresarial de IAAprendizaje organizativo con IAComportamientos organizativos de éxitoAprendizaje automático personalizadoAprendizaje automático frente a programación típicaIA estrecha frente a IA generalAprendizaje automático AzureSuscripción a Azure y prueba gratuitaEstudio de aprendizaje automático AzureDemostración 10-1: Previsión de ventas de máquinas expendedorasResumen
Python frente a RLimitacionesConfigurarConfigurar PythonConfiguración de RIngestiónIngesta de datos con PythonIngesta de datos con RTransformaciónTransformar datos con PythonTransformar datos con RVisualizaciónVisualizar datos con PythonVisualizar datos con RAprendizaje automáticoUtilizar un modelo preentrenado con Python en TransformEntrenar un modelo con R en la ingestaResumen
Estrategias para ayudar a evaluar los modelosEscenario sin heteroscedasticidadEscenario con heteroscedasticidad¿Cómo afecta la heteroscedasticidad a los modelos de IA?¿Qué se puede hacer si se sospecha de heteroscedasticidad?Cómo preparar tu modelo de IA para el mundo realEvaluar los costes y beneficios para la empresaEjemplo de cálculo del ROI¿Pueden los equipos empresariales tener confianza en el modelo de IA?¿Es el resultado del modelo una casualidad?Garantizar el rendimiento continuo del modeloPreparar tu IA para la producción en Power BILinaje de datos para el modelo de IAUtilizar la salida puntuada del modelo en un informe de Power BIResumen
¿Cómo empiezas el siguiente proyecto?¿Cómo afecta la retroalimentación a la formación y el desarrollo de modelos de IA?IA y casos perimetrales en la retroalimentación¿Cómo puede ayudar la retroalimentación a corregir errores en un modelo de IA?IA, parcialidad e imparcialidadIA explicable y retroalimentación¿Cómo pueden los miembros de las organizaciones abordar la ética y la IA?Aprendizaje por transferencia en el entrenamiento de modelos¿Cómo utilizan otras organizaciones el bucle de retroalimentación de la IA?¿Cómo puede ayudarte el bucle de retroalimentación de la IA?IA y Power BI: ¡a tu disposición!

Content preview from Inteligencia Artificial con Microsoft Power BI

Capítulo 8. Análisis de texto

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

¿Qué harías si tuvieras para revisar más de un millón de documentos técnicos? Pues bien, la empresa de servicios profesionales Accenture tenía esa cantidad de contratos legales y añadía miles de nuevos cada mes. Esto representaba una carga considerable para la empresa, ya que requería una increíble cantidad de trabajo manual para revisar y procesar individualmente cada documento.

Todo cambió cuando Accenture desarrolló una solución de IA para extraer el significado de este océano de texto. El proyecto utilizó análisis de texto para identificar qué palabras clave se relacionaban con qué cláusulas legales. Este emparejamiento automatizado permitía a un usuario buscar una cláusula legal concreta, como "responsabilidad limitada", aunque esas palabras concretas nunca aparecieran en un contrato.¹ Accenture decidió construir este sistema inteligente internamente para tener un mayor control sobre el resultado. Esto tenía sentido para la empresa, dada la magnitud del problema, los recursos disponibles y las posibles ventajas de crear un sistema personalizado. Sin embargo, a otras empresas que se enfrenten a la misma situación, puede que les resulte mejor subcontratar la producción de un modelo de IA de este tipo o elegir una solución estándar.