Excel a umělá inteligence (6 hodin) Power BI pokročilý (12 hodin) Power Query – jazyk M (12 hodin) Power BI DAX (12 hodin) Power BI Python Power BI Python (12 hodin)
Obsah kurzu
Excel a umělá inteligence (6 hodin)
formulace přesného zadání pro AI při práci s daty
vysvětlování funkcí, vzorců a analytických postupů
návrhy řešení pro tabulky a datové přehledy
kontrola návrhů a ověřování správnosti výsledků
shrnutí a základní interpretace dat
návrhy vhodných grafů a pohledů na výsledky
hledání souvislostí a otázek pro další analýzu
příprava komentářů a vysvětlení k výsledkům
pomoc při čištění dat a hledání chyb
bezpečná práce s firemními a citlivými daty
Power BI pokročilý (12 hodin)
návrh pokročilejšího datového modelu
vytváření a kontrola relací mezi tabulkami
úprava dotazů a optimalizace struktury dat
používání složitějších vizualizací a kombinovaných přehledů
nastavení interakcí mezi grafy, tabulkami a filtry
používání drill-through pro přechod na detailní informace
vytváření záložek a různých pohledů na report
návrh přehledných reportovacích stránek
publikování a aktualizace reportů ve službě Power BI
sdílení reportů a základní správa datových sad
praktická pravidla pro spolehlivý provoz reportingu
Power Query – jazyk M (12 hodin)
struktura dotazu a způsob zápisu transformačních kroků
orientace v kódu vytvářeném Power Query
ruční úprava kroků v rozšířeném editoru
základní syntaxe, výrazy a datové typy jazyka M
vytváření vlastních a podmíněných sloupců
tvorba a používání vlastních funkcí
používání parametrů pro opakovaně využitelné dotazy
práce se seznamy, záznamy a tabulkami
pokročilejší čištění a kombinování dat
návrh opakovatelné přípravy dat
hledání a oprava chyb v dotazech
využití jazyka M v Excelu a Power BI
dokumentace a udržitelnost transformačních postupů
Power BI DAX (12 hodin)
rozdíl mezi počítanými sloupci a měrami
princip řádkového a filtračního kontextu
používání základních agregačních funkcí DAX
práce s tabulkami a relacemi v datovém modelu
vytváření měr pro analytické výpočty
funkce CALCULATE a změna filtračního kontextu
časová inteligence a porovnávání období
výpočty podílů, rozdílů a procentních změn
kumulativní hodnoty a průběžné součty
praktické výpočty pro obchodní a provozní reporty
ladění a kontrola správnosti výpočtů
přehledné pojmenování a organizace měr
výkonnostní dopady DAX výpočtů
využití měr ve vizualizacích a filtrech
Power BI Python
přehledné pojmenování a organizace měr
posouzení výkonnostních dopadů výpočtů
používání měr ve vizualizacích a filtrech reportu
Power BI Python (12 hodin)
nastavení prostředí Pythonu pro práci s daty
práce v prostředí Jupyter nebo Visual Studio Code
základní datové typy, seznamy a slovníky
používání podmínek, funkcí a cyklů
načítání a zpracování dat pomocí knihovny pandas
výběr, filtrování a čištění dat
spojování a kombinování více datových sad
práce s textovými údaji
četnostní analýza a základní statistické přehledy
spouštění skriptů Pythonu v Power BI
použití Pythonu při přípravě a transformaci dat
vytváření vlastních vizualizací pomocí Pythonu
předávání dat mezi Power BI a Pythonem
rozhodování, kdy použít Python a kdy běžné nástroje Power BI
kontrola, dokumentace a bezpečné používání skriptů
Předpoklady
je vhodné samostatně vytvářet reporty v Power BI a pracovat s Power Query, relacemi a základním datovým modelem. Znalost DAX, jazyka M ani Pythonu není nutná.
