Workshop Azure Machine Learning con PowerBI
- 1. Azure Machine Learning con PowerBI MVP Nicolás Nakasone @nicolasnakasone https://www.linkedin.com/in/nicolas-nakasone/
- 2. Agenda • Azure Machine Learning • Introducción al Machine Learning • Construyendo Modelos de Machine Learning con Azure Machine Learning Designer • Construyendo Modelos de Machine Learning con Azure Machine Learning Automated ML service. • PowerBI • Introducción al Power BI • Modelos de Datos en Power BI • ETL en PowerBI • Construyendo Visualización • Power BI Service WS Machine Learning + PowerBI
- 3. Nuevos desafíos en educación La educación está siendo llamada a ajustarse y responder a las exigencias de los tiempos actuales Concebir una educación mejor con ofertas de servicios de apoyo a los estudiantes en los diferentes ámbitos de su vida estudiantil. Las nuevas oportunidades van acompañadas de nuevos desafíos A esto hay que añadir la necesidad del estudiante de autoconocerse y la orientación del aprendizaje Desarrollo de modelos tecnológicos que sustituirán definitivamente a los modelos tradicionales
- 4. ¿ Que es Machine Learning? Es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente.
- 5. Algoritmos de Machine Learning Classification algorithms • Decision Trees • Neural Network • Naive Bayes Regression algorithms • Time Series • Linear Regression • Logistic Regression Segmentation or clustering algorithms • Clustering Association algorithms • Association
- 6. Aprendizaje Supervisado y No Supervisado Supervisado: • Se entrena al algoritmo otorgándole las preguntas, denominadas características, y las respuestas, denominadas etiquetas. No Supervisado: • Solo se le otorgan las características, sin proporcionarle al algoritmo ninguna etiqueta
- 7. Lenguajes de Machine Learning 1. Python 2. R 3. Java 4. Javascript 5. C 6. C++ 7. Julia 8. Scala 9. Lua
- 8. Azure Machine Learning Studio • Microsoft Azure Machine Learning Studio es una herramienta que permite crear, probar e implementar soluciones de análisis predictivos en sus datos.
- 9. Desarrollando Experimentos en Azure Machine Learning Studio Un experimento consta de conjuntos de datos que proporcionan datos a módulos analíticos, que se conectan en conjunto para construir un modelo de análisis predictivo.
- 10. Desplegando Experimentos en Azure Machine Learning Studio • Cuando el modelo de análisis predictivo esté listo, puede desplegarlo como servicio web directamente desde Machine Learning Studio. Mediante el servicio web, los usuarios pueden enviar datos a su modelo y este lo devolverá las predicciones.
- 11. Categorizando datos predictivos • Comprender la estructura de datos es fundamental para generar modelos efectivos de Machine Learning en producción.
- 12. Ingesta de datos en Azure Machine Learning • Machine Learning para su uso en producción, siempre debe revisar las fuentes de datos dentro de su organización para mapear sus repositorios de datos organizacionales y planificar su ingestión.
- 13. Explorando y transformando datos en Azure Machine Learning • La exploración inicial de sus datos es un paso importante durante el proceso de desarrollo; la familiaridad con sus datos es uno de los puntos de partida clave del proceso científico de datos.
- 14. Azure Machine Automated ML Service • Azure Machine Automated ML Service es un servicio de Machine Learning disponible en Azure. • Ayuda a los data scientists a automatizar el ciclo de vida del machine learning • Entrenamiento y despliegue en cloud • Autoescala los recursos necesarios para entrenamiento y despliegue
- 15. Pasos para crear un Azure ML Service 1. Cree un Workspace 2. Cree y entrene un modelo 3. Escoja el mejor modelo 4. Regístrelo en el Workspace 5. Despliegue del modelo en Azure Container, AKS
- 17. Lección 1: Introducción al Business Intelligence • Escenarios Business Intelligence • Roles del Business Intelligence • Modelos de Datos Empresariales BI
- 18. Escenarios Business Intelligence • Big data es el resultado de generar data por Internet, social media, e-commerce: • Data es constantemente obtenida para uso comercial • Data esta en constante crecimiento en tamaño • Reporting: • Extraer data y presentarla para habilitar la toma de decisiones • Mostrar métricas para visualizar la performance de la organización • Análisis: • Evaluar la data para descubrir los insights • Data debe responder preguntas pero rápidamente, a tiempo • Colaboración: • Business analysts necesitan compartir información para tomar decisiones
- 19. Roles en el Proyecto de Business Intelligence • Cada rol es importante en el Proyecto de BI: • Program manager • Data architect • Technical architect • BI developer
- 20. Enterprise BI Data Models • Crea vista de datos consistente y su relación con la organización • Usa estándares y convención de nombres • Posee un modelo físico y lógico • Usa modelos semánticos para dar significado a los datos
- 21. Lección 2: Introducción al Data Analysis • Data Sources • Consultas • Transformaciones • Visualización • Demostraciones
- 22. Data Sources • Es la localización de los datos de la solución BI tradicionalmente usado por procesos ETL: • On-premises • En la nube • Archivos
- 23. Consultas • Comandos usados para extraer datos de fuentes: • Retorna data de tablas a través de consultas • Usa stored procedure en vez de querys para optimización • Sólo retornar datos que necesitas • Realiza transformaciones: • En la consulta • Usar lenguajes como DAX • DAX: • Derivado de MDX y formulas excel • Usado en Power Pivot, modelos tabulares SSAS y Power BI Desktop • Util y muy poderoso
- 24. Data Transformatio ns • La Data debe ser transformada a través de: • Limpieza • Formateo • Búsquedas • Agregada
- 25. Visualización • El ojo humano detecta patrones • Facilidad para ver anomalias en gráficos y mapas en vez de tablas • Ayuda a hacer una rápida toma de decisiones sobre los datos • Elimina la necesidad del cerebro de procesar
- 26. Power BI Desktop • Comparte muchas características de Excel • Data sources: incluye archivos, on-premises databases, fuentes de datos en cloud y proveedores SaaS • Transformation: aplica transformaciones y formateos en el Query Editor como Excel • Reportes: crea reportes para publicación • Dashboards: crea dashboards usando diferentes reportes y comparte con sus colegas • Power BI Mobile: app para iOS, Android, y Windows • Q&A: hace preguntas de su data usando el lenguaje natural, luego lo añade a un nuevo o existente dashboard
- 27. Demostració n: Importando Datos con Power BI Desktop En esta demostración, podrá: • Importar data del data warehouse desde Power BI Desktop • Remover columnas • Formatear columnas • Crear columnas usando expresiones DAX
- 28. Demostració n: Visualizando datos en Power BI Desktop En esta demostración, será capaz de: • Añadir visualización en un reporte Power BI • Aplicar formateo básico de visualización
- 29. Demostració n: Publicando Reportes en Power BI En esta demostración usted: • Publicará un reporte en Power BI • Creará un dashboard
- 30. Integración Machine Learning + PowerBI Para integrar PowerBI con Machine Learning usaremos R Script. • Requisitos: Instalar R y la librería AzureML • Pametros R Script con ML: wsid – auth – servicename
Notas del editor
- #18: Question How does your organization approach BI? Is this a major part of the corporate strategy? What BI solutions does your organization use? Is Excel used as a self-service tool? What do you think are the major issues with your organization’s approach to BI? Answer Answers will vary, depending on the students’ experience.
- #20: The role of the data steward is covered in a later topic.
- #26: Chart types are covered in detail in the next lesson, so do not spend too much time discussing them here.
- #28: Preparation Steps Start the MSL-TMG1, 20778A-MIA-DC and 20778A-MIA-SQL virtual machines. Demonstration Steps Ensure that the MSL-TMG1, 20778A-MIA-DC, and 20778A-MIA-SQL virtual machines are running, and then log on to 20778A-MIA-SQL as ADVENTUREWORKS\Student with the password Pa$$w0rd. In the D:\Demofiles\Mod01 folder, run Setup.cmd as Administrator. In the User Account Control dialog box, click Yes. When prompted that do you want to continue this operation, type Y and then wait for the script to finish. If you do not have a Power BI login, open Internet Explorer, go to https://powerbi.microsoft.com/en-us/documentation/powerbi-admin-signing-up-for-power-bi-with-a-new-office-365-trial, and follow the steps to create an account. In Internet Explorer, go to https://www.microsoft.com/en-us/download/details.aspx?id=45331, and then click Download. On the Choose the download you want page, select the PBIDesktop_x64.msi check box, and then click Next. In the message box, click Run. In the Microsoft Power BI Desktop (x64) Setup dialog box, on the Welcome to the Microsoft Power BI Desktop (x64) Setup Wizard page, click Next. On the Microsoft Software License Terms page, select the I accept the terms in the License Agreement check box, and then click Next. On the Destination Folder page, click Next.
- #29: Preparation Steps Complete the previous demonstration. Demonstration Steps In Power BI Desktop, in the Fields pane, under DimCustomer, select Gender, and MaritalStatus. Under FactInternetSales, select SalesAmount. In the Visualizations pane, click Clustered column chart. Click Format, and then expand Title. Change the Title Text to Sales by Gender and Marital Status. Change Alignment to Center. In the Fields pane, expand DimProduct, and drag the Color field onto the report canvas to create a new table. Under FactInternetSales, drag the OrderQuantity field onto the new table. In the Visualizations pane, click Donut chart. Click Format, and then expand Title. Change the Title Text to Orders by Color. Change Alignment to Center. In the Fields pane, under FactInternetSales, drag the SalesAmount field onto the report canvas to create a new column chart. In the Visualizations pane, click Fields. In the Fields pane, expand DimDate, and drag the EnglishMonthName to the Axis property. Grab the resizer on the column chart to widen the chart so that the month names display clearly.
- #30: Demonstration Steps In Power BI Desktop, on the Home tab, click Publish. If you are prompted to save your changes, click Save. In the Power BI Desktop dialog box, enter the email address, and then click Sign in. In the Sign in to your account dialog box, enter the password for your account, and then click Sign in. The report will then be published to the Power BI portal. When the window displays Success, click Open 'Adventure Works Sales.pbix' in Power BI to view the report online. When the browser opens, if you are prompted to Sign in, click Sign in and then enter your Power BI credentials, enter your email address and password, and wait for the report to open. On the Sales by Gender and Marital Status column chart, click Pin visual. In the Pin to dashboard dialog box, click New dashboard, and type Adventure Works Sales, and then click Pin. On the Orders by Color donut chart, click Pin visual. In the Pin to dashboard dialog box, click Existing dashboard, in the list click Adventure Works Sales, and then click Pin. On the Sales by Month column chart, click Pin visual. In the Pin to dashboard dialog box, click Existing dashboard, in the list click Adventure Works Sales, and then click Pin. In the upper-left corner of the window, below the PowerBI icon, click Show the navigation pane. Under Dashboards, point out the star icon to indicate a new dashboard, and click Adventure Works Sales. Drag the lower-right corner of the Sales by Month column chart, and expand it so it is as wide as the two charts above it.