Power BI: Self Service AI
- 1. Power BI: Self Service AI Mauricio Gamboa
- 2. • Ingeniero en Informática • Consultor Data Analytics Mauricio Gamboa
- 3. Power BI Business analytics Power Apps Application development Power Automate Process automation Power Virtual Agents Intelligent virtual agents Data connectors AI Builder Common Data Service Microsoft Power Platform
- 4. AI in Power BI Sentiment Analysis Key Phrase Extraction Create ML models Explore predictionsPython Integration R IntegrationExtend with Azure ML Integrate into reports AI Visualizations Natural Language
- 5. AI Visualizations Key Influencers • Sirve para comprender los factores que influyen en una métrica. Analiza sus datos, clasifica los factores relevantes y los muestra como factores influyentes clave. • Por ejemplo, suponga que desea averiguar qué influye en la rotación de empleados. Un factor podría ser la duración del contrato de trabajo, y otro factor podría ser la edad del empleado.
- 6. Funciones de AI • Categorical Key Influencer • Utiliza la librería ML.NET y ejecutar una Regresión Logística, usando los métodos One-hot encoding, Replace missing value, and Normalize mean variance para transformar los datos y el algoritmo L-BFGS Logistic Regression. • Numeric Key Influencers • Utiliza la librería ML.NET y ejecutar una Regresión Lineal, usando los mismos métodos de transformación de datos que Categorical Key Influencer y usando el algorítmo SDCA regression. • Top Segments • Utiliza la librería ML.NET y ejecutar un Árbol de Decisión, usando el algorítmo Fast tree para encontrar grupos. Chris Webb's BI Blog
- 7. • Te permite visualizar datos en varias dimensiones. Agrega automáticamente datos y permite profundizar en sus dimensiones en cualquier orden. • Es una visualización de inteligencia artificial (IA), por lo que se le puede pedir que encuentre la dimensión que afecte más al nivel anterior para profundizar en función de ciertos criterios. AI Visualizations Decomposition Tree
- 8. • Permite a los usuarios hacer preguntas en lenguaje natural y obtener respuestas de forma visual. • La visualización Q&A se puede usar como una herramienta para permitir que los consumidores obtengan rápidamente respuestas a sus datos, y los diseñadores pueden crear elementos simplemente haciendo doble clic en cualquier parte de un informe utilizando lenguaje natural. AI Visualizations Q&A
- 9. • Revisión de Preguntas • Sugerir Preguntas • Enseñanza de Preguntas y Respuestas • Administrar Términos AI Visualizations Q&A
- 11. Cognitive Services Text Analytics • Detectar el Idioma • Reconoce más de 120 idiomas. • Extraer frases claves • Evalúa texto no estructurado, y para cada campo de texto retorna una lista de frases claves. • Análisis de Sentimiento • Utiliza un Algoritmo de Clasificación de Machine Learning para generar una puntuación de sentimiento entre 0 y 1. • Las puntuaciones más cercanas a 1 indican un sentimiento positivo, las puntuaciones más cercanas a 0 indican un sentimiento negativo. Ejemplo
- 12. • La función de etiquetar imágenes devuelve etiquetas basadas en más de 2,000 objetos reconocibles, seres vivos, paisajes y acciones. • Cuando las etiquetas son ambiguas o no son de conocimiento común, el resultado proporciona "pistas" para aclarar el significado de la etiqueta en el contexto de una configuración conocida. • Ejemplo Cognitive Services Vision
- 13. Automated Machine Learning • El aprendizaje automático de máquinas (AutoML) para Dataflows permite a los analistas entrenar, validar e invocar modelos de Machine Learning (ML) directamente en Power BI Service. • El servicio extrae automáticamente las características más relevantes, selecciona un algoritmo apropiado, y ajusta y valida el modelo ML. • Una vez que se entrena un modelo, Power BI genera automáticamente un informe de rendimiento que incluye los resultados de la validación Automated Machine Learning
- 14. Automated Machine Learning Automated Machine Learning 1. Seleccionamos el campo a predecir 2. Seleccionamos el modelo a utilizar • Clasificación: Predicción binaria, Clasificación general • Regresión 3. Seleccionamos los datos a estudiar 4. Entrenar modelo
- 16. Power BI Azure Diseñado para analistas de negocio o profesionales BI Diseñado para data scientist/data engineer Conocimientos requeridos: Power Query y lenguaje M, y Power BI Dataflows. Conocimientos requeridos: Azure, lenguajes como C#, Java, Node.js, Python Se puede utilizar solamente dentro de Power BI Se aloja en Azure y puede ser consumido como servicio web por muchas aplicaciones Requiere capacidad de Power BI Premium Requiere una suscripción de Azure Funciones de AI
- 17. To build a data culture, everyone in your organization needs to be empowered to work with data. At its core, BI is a collaborative process.