book

Intelligence artificielle avec Microsoft Power BI

by Jen Stirrup, Thomas J. Weinandy

November 2024

Intermediate to advanced

472 pages

13h 35m

French

O'Reilly Media, Inc.

Audio summary available

Read now

Unlock full access

Quel est l'état actuel de la technologie de l'IA dans les entreprises ?La structure de ce livrePourquoi avons-nous écrit ce livre ?À qui s'adresse ce livre ?Conventions utilisées dans ce livreUtiliser des exemples de codeApprentissage en ligne O'ReillyComment nous contacterRemerciements
Vue d'ensemble des méthodes d'ingestion de données de Power BIFlux de travail dans Power BI qui utilisent l'IAComment les flux de données sont-ils créés ?Ce qu'il faut savoir avant de créer des flux de travailFlux de données en continu et agrégations automatiquesPréparer d'abord tes donnéesPréparer les données pour les flux de donnéesOù les données doivent-elles être nettoyées et préparées ?Ingestion de données en temps réel ou traitement par lotsEnsembles de données en temps réel dans Power BITraitement des données par lots à l'aide de Power BIImportation de données par lots avec Power Query dans DataflowsLe moteur de calcul du flux de donnéesOptions de flux de donnéesDirectQuery dans Power BIImportation ou interrogation directe : Recommandations pratiquesPower BI Premium, Pro et GratuitRésumé
Qu'est-ce qu'un modèle de données ?Qu'est-ce qu'un tableau de faits ?Pourquoi la modélisation des données est-elle importante ?Pourquoi les modèles de données sont-ils importants dans Power BI ?Pourquoi avons-nous besoin d'un modèle de données pour l'IA ?Conseils pour la mise en place d'un modèle de données pour l'IACentre d'excellence en analyseGagner la confiance grâce aux transactions de donnéesEntreposage de données Agile : Le cadre BEAMDisciplines de modélisation des données pour soutenir l'IAModélisation des données par rapport aux modèles d'IAModélisation des données dans Power BIQue signifient les relations pour l'IA ?Structure de fichier plat versus structure de modèle dimensionnel dans Power BIRésumé
Qu'est-ce qu'une stratégie de données ?L'intelligence artificielle dans la visualisation des données Power BIDes idées à l'aide de l'IAApprentissage automatique de la machine (AutoML) dans Power BIServices cognitifsModélisation des donnéesRésolution de problèmes réels à l'aide de donnéesPrédiction binaireClassificationRégressionDémonstration pratique de la prédiction binaire pour prédire les niveaux de revenusRassemble les donnéesCréer un espace de travailCréer un flux de donnéesRapports d'évaluation de modèles dans Power BIRésumé
Le pouvoir de transformation de l'automatisationSurvivre (et prospérer avec) l'automatisationAutomatisation de l'IA dans Power BIL'IA dans Power QueryObtenir des données du Web par exempleDémo 4-1 : Exemple d'obtention de données à partir du WebAjouter une colonne à partir d'exemplesDémo 4-2 : Ajouter une colonne à partir d'exemplesProfilage des donnéesDémo 4-3 : Profilage des donnéesGénération de tableDémo 4-4 : Génération de tableauxCorrespondance floueDémo 4-5 : Correspondance floueExploration intelligente des donnéesAperçu rapideDémo 4-6 : Aperçu rapideCréation de rapportsDémo 4-7 : Création d'un rapportNarration intelligenteRésumé
Plus qu'un simple horodatageLes composantes d'une série chronologiqueModifications d'une série chronologiqueComment fonctionnent les lignes de tendance dans Power BILimites des lignes de tendanceDémo 5-1 : Exploration des données sur les déplacements en taxiPrévisionsLes prévisions pour les entreprisesComment fonctionnent les prévisionsLimites des prévisionsDémo 5-2 : Prévision des données relatives aux déplacements en taxiDétection des anomaliesDétection des anomalies pour les entreprisesComment fonctionne la détection des anomaliesLimites de la détection des anomaliesDémonstration 5-3 : Détection d'anomalies avec les données des courses de taxiRésumé
Analyse de grappes pour les entreprisesLa segmentation rencontre la science des donnéesPrétraitement des données pour l'analyse en grappesComment fonctionne l'analyse de grappes dans Power BILimites de l'analyse par grappesDémo 6-1 : Analyse de grappes avec les données d'AirBnBRésumé
Soutenir les décisions basées sur les données avec un dictionnaire de donnéesQu'est-ce que les services Azure AI ?Accéder aux services Azure AI dans Power BICréation d'une ressource Azure AI ServicesCréer un rapport Power BIOpenAI ChatGPT et Power BIQuel est le but de l'exercice ?Conditions préalables à l'exerciceExemple d'Azure OpenAI et de Power BIGénérer une clé secrète et un code à partir du site Web de l'OpenAICréation d'un ensemble de données Power BI en continuLe tableau de bord ne fonctionne pas ?Résumé
Modèles personnalisés et modèles pré-entraînésLe texte en tant que donnéesLimites de l'analyse de texteDémo 8-1 : Ingérer les données d'AirBnBDétection des languesComment ça marchePerformances et limitesDémo 8-2 : Détection de la langueExtraction de phrases clésComment ça marchePerformances et limitesDémo 8-3 : Extraction de phrases clésAnalyse des sentimentsComment ça marcheRecommandations et limitesDémo 8-4 : Analyse des sentimentsDémo 8-5 : Exploration d'un rapport avec l'analyse de texteRésumé
Les images comme donnéesDeep LearningUn réseau neuronal simpleLe balisage des images pour les entreprisesComment ça marcheLimites de la visionDémo 9-1 : Ingérer les données d'AirBnBDémo 9-2 : Balisage des imagesDémo 9-3 : Explorer un rapport avec VisionRésumé

Stratégie commerciale en matière d'IAApprentissage organisationnel avec l'IAComportements organisationnels réussisApprentissage automatique personnaliséL'apprentissage automatique par rapport à la programmation classiqueL'IA étroite contre l'IA généraleAzure Machine LearningAbonnement à Azure et essai gratuitAzure Machine Learning StudioDemo 10-1 : Prévision des ventes de distributeurs automatiquesRésumé
Python contre RLimitesMise en placeConfiguration de PythonMise en place de RIngestionIngérer des données avec PythonIntégrer des données avec RTransformationTransformer des données avec PythonTransformer des données avec RVisualisationVisualiser des données avec PythonVisualiser des données avec RApprentissage automatiqueUtilisation d'un modèle pré-entraîné avec Python sur Transform.Entraîner un modèle avec R lors de l'ingestionRésumé
Stratégies pour aider à évaluer les modèlesScénario sans hétéroscédasticitéScénario avec hétéroscédasticitéComment l'hétéroscédasticité affecte-t-elle les modèles d'IA ?Que faire en cas de soupçon d'hétéroscédasticité ?Préparer ton modèle d'IA pour le monde réelÉvaluer les coûts et les avantages pour l'entrepriseExemple de calcul du retour sur investissementLes équipes commerciales peuvent-elles avoir confiance dans le modèle d'IA ?Le résultat du modèle n'est-il qu'un coup de chance ?Assurer la performance continue du modèleFaire en sorte que ton IA soit prête pour la production dans Power BILinéaire de données pour le modèle d'IAUtilisation de la sortie notée du modèle dans un rapport Power BIRésumé
Comment démarrer le prochain projet ?Comment la rétroaction affecte-t-elle la formation et le développement des modèles d'IA ?L'IA et les cas limites dans le retour d'expérienceComment la rétroaction peut-elle aider à corriger les erreurs d'un modèle d'IA ?L'IA, les préjugés et l'équitéL'IA explicable et la rétroactionComment les membres des organisations peuvent-ils aborder la question de l'éthique et de l'IA ?Apprentissage par transfert dans la formation de modèlesComment les autres organisations utilisent-elles la boucle de rétroaction de l'IA ?Comment la boucle de rétroaction de l'IA peut-elle t'aider ?AI et Power BI : à toi de jouer !

Content preview from Intelligence artificielle avec Microsoft Power BI

À propos des auteurs

Jen Stirrup est la fondatrice et PDG de Data Relish, un cabinet-conseil britannique spécialisé dans le leadership en matière d'IA et d'intelligence économique, qui propose des stratégies de données et des solutions axées sur l'entreprise. Jen est une autorité reconnue en matière d'IA et de leadership en intelligence d'affaires, une conférencière mondiale de Fortune 100. Elle a été désignée comme l'un des 50 meilleurs visionnaires mondiaux en matière de données, l'un des meilleurs scientifiques de données à suivre sur X (anciennement Twitter) et l'une des 50 femmes les plus influentes dans le domaine de la technologie à l'échelle mondiale. Jen a des clients dans 24 pays sur 5 continents, et sa liste de clients comprend Microsoft, le National Health Service, les gouvernements du Royaume-Uni et de l'Irlande du Nord, l'Ashridge Hult Business School, CBS Interactive, O'Reilly et Virgin Atlantic.

Elle est titulaire de diplômes de troisième cycle en IA et en sciences cognitives. Jen est l'auteure de trois livres sur les données et l'intelligence artificielle a été présentée sur CBS Interactive et la BBC, ainsi que sur des podcasts bien connus tels que Digital Disrupted, RunAs Radio, et sa propre série de webinaires Make Your Data Work.

Jen a donné des keynotes pour des collèges et des universités et a fait don de son expertise à des organismes caritatifs et à but non lucratif en tant que directrice non exécutive. Les keynotes de Jen portent sur le leadership en matière ...