Power BI | Power Automate elimina a barreira da atualização manual do Modelo Semântico

#ProgramaçãoGlobal #PowerBI #DAX #Analytics #BusinessIntelligence #GestãoEmpresarial #Inovação #DataDriven #Forecast #Finance #PlanejamentoEstratégico #PlanejamentoFinanceiro #Budget #PowerAutomate  #PowerPlatform #MicrosoftFabric #DataAnalytics #BusinessIntelligence #BI #AnaliseDeDados #Dashboard  #DataVisualization

☕DOE UM CAFÉ

📈 Clientes em todo o mundo ao usarem o Power BI para aprimorar processos de negócios colaborativos em suas organizações, frequentemente o usam para resumir e visualizar dados que muitos usuários finais inserem em ferramentas como arquivos do Excel, listas do SharePoint ou o Common Data Service. Processos de negócios como gerenciar as solicitações de orçamento de uma equipe, planejar atividades de contratação e avaliar campanhas de marketing podem se enquadrar nesse padrão.

• 1. Power BI | Power Automate elimina a barreira da atualização manual do Modelo Semântico
• 2. DAX | 📈 Inteligência Preditiva: Previsão da Receita com Tendência Linear
• 3. 💡 Regressão Polinomial: Uma Ferramenta Poderosa para Análise de Dados Não Lineares

Com esses tipos de processos, os usuários geralmente esperam que os relatórios do Power BI sejam atualizados assim que inserem dados nos sistemas subjacentes. Os cronogramas de atualização fixos existentes do Power BI não são suficientes para isso, e atualizar manualmente o conjunto de dados do Power BI sempre que você acessa um relatório adiciona etapas extras e gera confusão.

Hoje Out|19, o agendamento de atualizações está muito mais flexível para aprimorar o funcionamento do Power BI em processos como os descritos acima. Especificamente, usamos uma nova  ação "Atualizar um conjunto de dados" ao conector do Power BI para  o Microsoft Flow.

Agora podemos acionar atualizações de conjuntos de dados com base em centenas de gatilhos do Flow. Seja o gatilho baseado em alterações em itens da sua lista do SharePoint, atualizações em um arquivo do Excel no OneDrive ou no SharePoint Online ou em uma agenda complexa de dia e hora, há dezenas de casos de uso para essa ação.

Continue lendo para um tutorial completo sobre como usar a ação "Atualizar um conjunto de dados" para automatizar a atualização de um relatório do Power BI com base em alterações em uma lista do SharePoint. Ou acesse o   Flow para experimentar você mesmo.

Tutorial: 

Acionar atualização de conjunto de dados para listas do SharePoint ou arquivos do Excel do OneDrive com o Flow e o Power BI

Neste tutorial, criaremos um fluxo que aciona uma atualização do conjunto de dados sempre que itens em uma lista do SharePoint forem atualizados.

Considere um exemplo em que você é o administrador do escritório da Northwind Traders e recebeu a responsabilidade de garantir que o escritório esteja bem abastecido com materiais de escritório, monitorando o estoque, fazendo novos pedidos e mantendo o orçamento geral da equipe. Você pode ter um relatório parecido com este:

Além disso, imagine que vários funcionários da empresa tenham acesso a uma lista do SharePoint para relatar suprimentos que estão acabando em suas áreas do escritório:

Para garantir que você tenha uma visão precisa das suas solicitações de fornecimento e dos níveis de orçamento, todas as solicitações feitas nesta lista do SharePoint devem ser refletidas imediatamente no relatório. Em vez de ter que atualizar manualmente seu conjunto de dados sempre que você ou outra pessoa visualizar o relatório ou esperar até a próxima atualização agendada, você pode automatizar facilmente esse processo usando a nova ação de atualização de conjunto de dados no Flow.

Para começar, acesse  Flow. Faça login, acesse Meus Fluxos, escolha + Novo e selecione + Automatizado – em branco no menu suspenso. Você deverá ver o seguinte:

Dê um nome ao seu Fluxo e selecione um gatilho do SharePoint, dependendo do seu caso de uso. Neste exemplo, como queremos que o Fluxo seja acionado quando uma nova linha for adicionada à lista, escolha Quando um item for criado ou modificado.

Em seguida, clique no  botão + Nova etapa  e digite "power bi" na caixa de pesquisa. Você verá uma lista de ações similar as abaixo:

Em seguida, escolha a nova ação Atualizar um conjunto de dados.

Agora, estamos na última etapa do Fluxo: 

Selecione o nome do espaço de trabalho e, em seguida, o nome do conjunto de dados para o qual deseja acionar a atualização. No nosso caso, escolhemos o espaço de trabalho Northwind Traders e o conjunto de dados Northwind Budget Tracker.

E pronto! Selecione Salvar e certifique-se de que seu Fluxo esteja ativado. Agora, sempre que houver uma nova solicitação de fornecimento na lista do SharePoint, seu conjunto de dados do rastreador de orçamento será atualizado automaticamente.

Voltando ao nosso exemplo de controle de orçamento para a Northwind Traders, se houver uma nova solicitação feita à lista de Solicitações de Suprimentos do SharePoint que exceda o orçamento:

Seu fluxo será acionado e o conjunto de dados será atualizado automaticamente. Considerando que essa pessoa fez um pedido de 500 monitores 4K, você certamente saberá quando estiver sem orçamento na próxima vez que acessar o relatório de acompanhamento de orçamento e suprimentos da Northwind:

Próximos passos

Experimente o recurso! Acesse o Flow e use a nova ação de atualização para automatizar suas atualizações.

Os limites existentes para atualizações se aplicam à execução da ação de atualização do conjunto de dados no Microsoft Flow. Para conjuntos de dados em capacidade compartilhada usados ​​pelo Power BI Pro, sua ação de atualização é limitada a oito atualizações por dia (incluindo atualizações executadas por meio da Atualização Agendada). Em capacidades Premium, não há limitação quanto ao número de atualizações por dia, embora você esteja limitado pelos recursos disponíveis em sua capacidade. Se não houver recursos suficientes, a execução da atualização poderá ser limitada até que a carga seja reduzida. Se essa limitação exceder 1 hora, a atualização falhará.

Para mais ideias sobre Fluxos, confira alguns dos modelos de Fluxo existentes que permitem adicionar dados do Fluxo a um conjunto de dados do Power BI ou usar alertas de dados para acionar um Fluxo sempre que os dados forem alterados.

Tem algum feedback? Tem alguma ideia de outra maneira de conectar o Power BI ao Flow? Adoraríamos saber! Deixe um comentário abaixo ou nos fóruns da comunidade do Power BI.

☕DOE UM CAFÉ

👉 Siga André Bernardes no Linkedin. Clique aqui e contate-me via What's App.

Comente e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

 

 PUDIM PROJECT 

  

  

  

 hashtag

Microsoft Fabric: O Futuro da Integração de Dados e Análises em Tempo Real | Microsoft Fabric: The Future of Real-Time Data Integration and Analytics

#MicrosoftFabric #PowerBI #DataAnalytics #BigData #AI #CloudComputing #DataScience #BusinessIntelligence #RealTimeData #MicrosoftAzure

A evolução do mundo dos dados continua a acelerar, e a Microsoft trouxe uma solução inovadora para integrar, processar e analisar dados em tempo real: O Microsoft Fabric. Trata-se de uma plataforma unificada que promete transformar a maneira como empresas gerenciam seus dados, eliminando silos e tornando os fluxos mais eficientes.

Mas, afinal, o que torna o Microsoft Fabric tão revolucionário? Vamos explorar!

1. Uma Plataforma, Múltiplas Soluções 🚀

O Microsoft Fabric centraliza ferramentas essenciais em um único ambiente. Em vez de depender de várias soluções desconectadas para engenharia, análise e governança de dados, a plataforma oferece um ecossistema totalmente integrado.

2. OneLake: Um Data Lake Universal 🌊

O *OneLake* é o alicerce do Microsoft Fabric. Ele funciona como um lago de dados unificado, onde todas as informações podem ser armazenadas e acessadas de forma padronizada. Dessa forma, elimina-se a complexidade de transferir dados entre sistemas distintos.

3. O Poder do Delta Lake e Apache Spark ⚡

Com suporte nativo ao *Delta Lake* e ao *Apache Spark*, o Microsoft Fabric garante processamento rápido e escalável. Isso significa maior eficiência em consultas analíticas e na ingestão de dados.

4. Integração com Power BI 📊

Uma das grandes vantagens do Microsoft Fabric é sua integração direta com o *Power BI*. Os dados do OneLake são facilmente acessíveis pelo Power BI, permitindo visualizações dinâmicas e relatórios interativos sem complicações.

5. Dataflows Gen2: ETL Reinventado 🔄

O *Dataflows Gen2* moderniza o processo de *ETL* (Extração, Transformação e Carga), permitindo a automação e reutilização de pipelines de dados de forma simplificada.

6. Real-Time Analytics: Decisões Instantâneas ⏱️

A capacidade de *real-time analytics* do Microsoft Fabric permite que empresas tomem decisões informadas em tempo real, acompanhando eventos e tendências conforme acontecem.

7. Data Science e AI Integrados 🤖

Com suporte nativo a notebooks Python e R, a plataforma capacita cientistas de dados a desenvolverem modelos preditivos e machine learning diretamente dentro do ecossistema do Fabric.

8. Lakehouse: A Melhor Junção de DW e DL 🏠

O conceito de *Lakehouse* une a estrutura dos data warehouses tradicionais à flexibilidade dos data lakes, proporcionando governança e eficiência no armazenamento e consulta de dados.

9. Segurança e Governança em Primeiro Lugar 🔐

A plataforma incorpora regras de segurança robustas e políticas de governança, garantindo conformidade e proteção de dados sensíveis.

10. Workloads Especializados 🏗️

O Fabric suporta workloads dedicados para engenharia de dados, BI, IA e integração, otimizando o uso de recursos para diferentes casos de uso.

11. Adoção no Azure: Facilidade e Escalabilidade 🌐

Como parte do ecossistema Azure, o Fabric se beneficia da escalabilidade e resiliência da nuvem da Microsoft, garantindo alto desempenho e disponibilidade.

12. Conectividade com Diversas Fontes 🔄

A plataforma permite conexão com diferentes fontes de dados, desde bancos SQL até sistemas SaaS, aumentando a interoperabilidade.

13. Eficiência no Custo com Capacidade Compartilhada 💰

Com a possibilidade de compartilhar capacidade de computação entre diferentes workloads, o Fabric reduz custos e aumenta a eficiência operacional.

14. Experiência Unificada para Equipes 📢

Desde analistas até engenheiros de dados, todos podem colaborar na mesma plataforma, reduzindo a fragmentação de ferramentas e aumentando a produtividade.

15. O Futuro da Análise de Dados 🌍

O Microsoft Fabric representa uma mudança de paradigma, tornando a análise de dados mais integrada, acessível e poderosa. Empresas que adotarem essa tecnologia sairão na frente na corrida pela transformação digital.

👉 Não se esqueça de seguir André Bernardes no Linkedin. Clique aqui e me contate via What's App. 

Comente e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

 Série de Livros nut Project 

  

Análise de Dados | Roteiro com Recursos GRATUITOS! ⚡ 📊

#sql #datascientists #dataanalytics #data #datascience #interview #dataanálise #visualization #business #learning #machinelearning #python #google #interviewpreparation #interviewprep

E então, você está apaixonado por se tornar analista de dados?

A Análise de Dados é uma ferramenta poderosa que pode fornecer insights e benefícios valiosos em vários campos🔥

🌀 1 - Google Data Analytics: você aprenderá habilidades exigidas que o deixarão pronto para o trabalho em menos de 6 meses.

🌀 2 - Analista de Dados IBM: Quem tem tempo limitado pode se inscrever na certificação profissional da IBM e aprender todas as habilidades.

🌀 3 - Aprenda SQL Básico para Ciência de Dados: Deseja começar a aprender SQL desde o nível iniciante, escrevendo consultas até avaliar e criar conjuntos de dados para resolver problemas de negócios.

🌀 4 - Excel para Negócios: Aprenda não apenas o básico sobre como manipular ou formatar os dados, mas também como analisar e apresentar os dados de uma forma amigável.

🌀 5 - Python para todos: Aprenda os fundamentos do Python através deste curso e também através do Projeto Capstone.

🌀 6 - Fundamentos de visualização de análise de dados: Aprenda a analisar dados e criar visualizações e dashboards.

🌀 7 - Especialização em Aprendizado de Máquina: Especialização é uma série de cursos que ajuda você a dominar uma habilidade.

🌀 8 - Introdução à Ciência de Dados: Esta Especialização apresentará o que é ciência de dados e o que os cientistas de dados fazem.

Bom aprendizado!

 Clique aqui e nos contate via What's App para avaliarmos seus projetos 

Comente e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

   

Os 6 Livros Imprescindíveis de Análise de Dados

Quanto mais avanços tecnológicos em áreas como Análise de Dados, experiência do usuário e desenvolvimento web, mais adaptáveis devem ser os profissionais da tecnologia. Uma vez que o setor de tecnologia está evoluindo rapidamente, tópicos que poderiam ter sido inovadores há alguns anos podem rapidamente se tornar obsoletos.

Reveja o básico: 

 

Um ambiente acelerado como este incentiva os profissionais de tecnologia a serem aprendizes ao longo da vida e constantemente se manterem atualizados com as tendências do setor. Isso é especialmente verdade para quem entra no setor de Análise de Dados da tecnologia. 

Série BI | Marketing e Inteligência de Mercado:

Para muitas pessoas que são novas nesse setor, conhecer o ambiente acelerado pode ser um desafio. Mas uma ótima maneira de conquistar curvas e desafios de aprendizagem dentro do Data Analytics é mergulhar em livros de grandes especialistas. 

Abaixo, reunimos uma lista dos 10 melhores livros de Análise de Dados que são essenciais para impulsionar sua carreira como Analista de Dados.

Se começou recentemente em sua jornada no mundo da Análise de Dados, este livro será ótimo. Vai ajudá-lo a navegar na direção em que quer crescer profissionalmente. Graças as lições de especialistas do setor, como Foster Provost e Tom Fawcett, você será capaz de entender não apenas como desenvolver um pensamento analítico de dados, mas também entender por que os avanços estão ocorrendo no campo da Ciência de Dados. Este livro também lhe dará uma visão muito abrangente do valor dos dados do ponto de vista empresarial. Desde como coletar dados de forma eficiente, até como usar dados como uma vantagem competitiva para qualquer negócio, este livro é uma leitura obrigatória.

Peter Norvig, Diretor de Pesquisa do Google, coautor do AIMA, o livro de IA mais popular do mundo. "Burkov assumiu uma tarefa muito útil, mas incrivelmente difícil, de reduzir todo o aprendizado de máquina a 100 páginas. Ele conseguiu escolher bem os tópicos — tanto teóricos quanto práticos — que serão úteis para os profissionais e para o leitor que quer entender que estas são as 100 (ou, de fato, 150) primeiras, e não as últimas, páginas que ele lerá e que lhe fornecerão uma introdução sólida para a área."

Aurélien Géron, Engenheiro Sênior de IA, autor do bestseller Hands-On Machine Learning with Scikit-Learn and TensorFlow: "A variedade de tópicos que o livro cobre é incrível para apenas 100 páginas (mais algumas de bônus!). Burkov não hesita em entrar nas equações matemáticas: que é uma coisa que os livros curtos costumam deixar de fora. Eu realmente gostei de como o autor explica os conceitos principais em apenas algumas poucas palavras. O livro pode ser muito útil para iniciantes na área, bem como para veteranos que podem se beneficiar de uma visão tão ampla."

Karolis Urbonas, Chefe de Ciência de Dados da Amazon: "Uma ótima introdução à Aprendizagem de Máquina de um profissional de classe mundial."

Chao Han, VP, Chefe de Pesquisa e Desenvolvimento da Lucidworks: "Eu gostaria que um livro como esse existisse quando eu era um estudante de graduação em Estatística tentando aprender sobre Aprendizagem de Máquina."

Sujeet Varakhedi, Chefe de Engenharia da eBay: "O livro de Andriy faz um trabalho fantástico de cortar o ruído e atingir as faixas e a velocidade máxima desde a primeira página.''

Deepak Agarwal, VP de Inteligência Artificial do LinkedIn: "Um livro maravilhoso para engenheiros que desejam incorporar Aprendizagem de Máquina em seu trabalho diário sem necessariamente gastar uma quantidade enorme de tempo.''

Vincent Pollet, Chefe de Pesquisas da Nuance: "Excelente leitura para começar com Aprendizagem de Máquina.''

Gareth James, professor de Ciência de Dados e Operações na University of Southern California, e coautor do best-seller An Introduction to Statistical Learning, with Applications in R: "Este livro é um manual compacto de "como implementar ciência de dados", e eu prevejo que se tornará um recurso para acadêmicos e profissionais. Com 100 páginas (ou um pouco mais), o livro é curto o suficiente para ser lido de uma vez. E ainda, apesar do tamanho, ele cobre todas as principais abordagens de Aprendizagem de Máquina, desde a classificação linear e regressão logística, até máquinas modernas de vetores de suporte, aprendizagem de máquina profunda ("deep learning"), "boosting", e florestas aleatórias ("random forests"). Também não há escassez de detalhes sobre as várias abordagens e o leitor interessado pode obter mais informações sobre qualquer método em particular através da inovadora e complementar página "wiki" do livro na Internet.

O livro não pressupõe que o estudante tenha um elevado conhecimento de matemática ou treinamento em estatística, e nem mesmo experiência em programação. De tal forma, que ele deve ser acessível a quase todos dispostos a investir um tempo para aprender sobre estes métodos. Certamente, deve ser leitura obrigatória para qualquer um que inicie um programa de doutorado nesta área e poderá servir como uma referência útil à medida que o estudante progride. Finalmente, o livro ilustra alguns dos algoritmos usando códigos em Python, uma das mais populares linguagens para Aprendizagem de Máquina. Eu recomendo o livro The Hundred-Page Machine Learning Book para ambos: o iniciante buscando aprender mais sobre Aprendizagem de Máquina, e o praticante experiente.

Se você está dando seus primeiros passos no Deep Learning, ou quer mergulhar no campo da inteligência artificial, não há ninguém melhor para ensinar o assunto do que o criador da biblioteca Python-Keras, François Chollet. Recomendamos este livro para pessoas que têm experiência com Python e estão procurando aprender Keras. Ao longo do livro, Chollet orienta como preparar seu próprio ambiente de aprendizagem para realizar vários projetos de PNL e modelos de classificação.

No Deep Learning with Python, Second Edition, atualizado a partir do best-seller original com mais de 50% de conteúdo novo, você explorará conceitos desafiadores e aplicativos de prática em visão computacional, processamento de linguagem natural e modelos generativos.

O best-seller revisado é uma introdução abrangente ao campo do Deep Learning usando python e a poderosa biblioteca Keras, escrita pelo criador do próprio Keras. Esta edição revisada foi atualizada com novos capítulos, novas ferramentas e técnicas de ponta extraídas das últimas pesquisas.

Você explorará conceitos desafiadores e aplicações práticas em visão computacional, Processamento de Linguagem Natural e modelos generativos, construindo sua compreensão através de exemplos práticos e explicações intuitivas que tornam as complexidades do aprendizado profundo facilmente acessíveis.

A compra do livro impresso inclui um eBook gratuito em formatos PDF, Kindle e ePub da Manning Publications.

Este livro de Anil Maheshwari é o melhor para aqueles que recentemente começaram sua jornada no mundo da análise de dados. Entre suas páginas você encontrará exemplos completamente explicados tirados do mundo real. Sua estrutura acadêmica de livro de texto é ideal para quem quer explorar diferentes tópicos, como Armazenamento de Dados, Visualização de Dados ou Análise de Cluster. A versão mais recente do livro também inclui um pequeno tutorial sobre mineração de dados com a linguagem de programação R. É um dos livros mais recomendados em universidades ao redor do mundo e foi essencial para nossas recomendações de livros. Não temos dúvidas de que você voltará para rever seus capítulos uma vez ou outra!

Este livro em constante evolução e atualizado continua a suprir a necessidade de um livro conciso e conversacional sobre o campo quente e crescente da Ciência de Dados. Fácil de ler e informativo, este livro lúcido e constantemente atualizado abrange tudo de importante, com exemplos concretos, e convida o leitor a se juntar a esse campo. A edição revisada de 2023 inclui Data Lakes, Recommendation Engines, Sample Data Mining Project e muito mais.

Os capítulos do livro estão organizados para um curso típico de um semestre. O livro contém casos de histórias do mundo real no início de cada capítulo. Há também um estudo de caso em execução em todos os capítulos como exercícios. Este livro foi projetado para fornecer ao aluno a intuição por trás dessa área em evolução, juntamente com um sólido conjunto de ferramentas das principais técnicas e plataformas de mineração de dados. A edição de 2022 tem um capítulo resumido que encapsula todo o livro em apenas 50 pontos principais em poucas páginas. Finalmente, ele inclui um tutorial para R e um tutorial para Python. Contém primers expandidos sobre Big Data, Inteligência Artificial, carreiras em Ciência de Dados e Propriedade de Dados e Privacidade. 

A edição de 2022 é atualizada com relação à Inteligência Artificial de muitas maneiras. Inclui tópicos como Data Lakes e práticas de compartilhamento de dados. Este livro em constante evolução tem se mostrado muito popular em todo o mundo. Dezenas de universidades ao redor do mundo adotaram-no como um livro didático para seus cursos. Estudantes de várias disciplinas acadêmicas, incluindo negócios, ciência da computação, estatística, engenharia e outros atraídos pela ideia de descobrir novas percepções e ideias a partir de dados podem usá-lo como um livro didático. Profissionais de diversas áreas, incluindo executivos, gerentes, analistas, professores, médicos, contadores e outros podem usar este livro para aprender em poucas horas como entender e desenvolver insights acionáveis a partir dos enormes dados que vêm em seu caminho. Este é um livro fluindo que se pode terminar em uma sessão, ou pode-se voltar a ele de novo e de novo como um livro de referência para insights e técnicas. 

Tabela de Conteúdo 

Capítulo 1: Íntegra da Análise de Dados 

Capítulo 2: Conceitos de Business Intelligence & Aplicações 

Capítulo 3: Armazenagem de Dados 

Capítulo 4: Mineração de dados 

Capítulo 5: Visualização de Dados 

Capítulo 6: Decisões Árvores 

Capítulo 7: Regressão Modelos 

Capítulo 8: Redes Neurais Artificiais 

Capítulo 9: Análise de Cluster 

Capítulo 10: Regra da Associação Mineração 

Capítulo 11: Mineração de Texto 

Capítulo 12: Ingênuo Bayes Análise 

Capítulo 13: Suporte Vetores Máquinas 

Capítulo 14: Web Mining 

Capítulo 15: Análise da Rede Social 

Capítulo 16: Big Data 

Capítulo 17: Data Modeling 

Capítulo 18: Estatística 

Capítulo 19: Inteligência Artificial 

Capítulo 20: Propriedade de Dados e Privacidade 

Capítulo 21: Carreiras de Data Science 

Capítulo 22: Principais Pontos de Análise de Dados 

Capítulo 23: Relatório do Projeto de Análise de Dados Tutorial de mineração de dados usando R 

Apêndice: Tutorial de Mineração de Dados usando o Python 

Apêndice: Projeto de Mineração de Dados de Amostra

Aprendizado de máquina aplicado com uma base sólida na teoria. Revisado e expandido para TensorFlow 2, GANs e aprendizado de reforço.

A compra do livro impresso ou Kindle inclui um eBook gratuito no formato PDF.

Principais características

Terceira edição do best-seller, amplamente aclamado livro de aprendizado de máquina Python

Explicações claras e intuitivas levam você a fundo a teoria e a prática do aprendizado de máquina Python

Totalmente atualizado e expandido para cobrir tensorFlow 2, modelos de Rede Contraditória Generativa, aprendizado de reforço e melhores práticas

Descrição do livro

Python Machine Learning, Third Edition é um guia abrangente de aprendizado de máquina e aprendizado profundo com Python. Ele funciona tanto como um tutorial passo a passo, quanto uma referência para a sua vez de construir seus sistemas de aprendizado de máquina.

Repleto de explicações claras, visualizações e exemplos de trabalho, o livro abrange todas as técnicas essenciais de aprendizado de máquina em profundidade. Enquanto alguns livros ensinam você apenas a seguir instruções, com este livro de aprendizado de máquina, Raschka e Mirjalili ensinam os princípios por trás do aprendizado de máquina, permitindo que você construa modelos e aplicações para si mesmo.

Atualizada para TensorFlow 2.0, esta nova terceira edição apresenta aos leitores seus novos recursos de API Keras, bem como as mais recentes adições ao scikit-learn. Também é expandido para cobrir técnicas de aprendizagem de reforço de ponta baseadas em aprendizado profundo, bem como uma introdução aos GANs. Finalmente, este livro também explora um subcampo de processamento de linguagem natural (NLP) chamado análise de sentimento, ajudando você a aprender a usar algoritmos de aprendizagem de máquina para classificar documentos.

Este livro é seu companheiro de aprendizado de máquina com python, se você é um desenvolvedor Python novo para aprendizado de máquina ou quer aprofundar seu conhecimento dos últimos desenvolvimentos.

O que você vai aprender

Domine as estruturas, modelos e técnicas que permitem às máquinas 'aprender' com dados;

Use scikit-learn para aprendizado de máquina e TensorFlow para aprendizado profundo;

Aplique aprendizado de máquina à classificação de imagens, análise de sentimento, aplicações web inteligentes e muito mais;

Construa e treine redes neurais, GANs e outros modelos.

Descubra as melhores práticas para avaliar e ajustar modelos

Prever resultados de alvo contínuos usando análise de regressão.

Aprofunde-se mais nos dados textuais e das mídias sociais usando a análise de sentimentos.

Para quem este livro é

Se você conhece um pouco de Python e quer usar aprendizado de máquina e aprendizado profundo, pegue este livro. Se você quer começar do zero ou estender seu conhecimento de aprendizagem de máquina, este é um recurso essencial. Escrito para desenvolvedores e cientistas de dados que querem criar aprendizado prático de máquina e código de deep learning, este livro é ideal para quem quer ensinar computadores como aprender com dados.

Tabela de Conteúdos

• Dando aos computadores a capacidade de aprender com dados
• Treinamento algoritmos simples de aprendizagem de máquina para classificação
• Um tour de classificadores de aprendizagem de máquina usando scikit-learn
• Construindo bons conjuntos de dados de treinamento – Pré-processamento de dados
• Comprimindo dados via Redução de Dimensionalidade
• Aprendendo melhores práticas para avaliação de modelos e ajuste de hiperparômetros
• Combinando diferentes modelos para o aprendizado de conjuntos
• Aplicando aprendizado de máquina à análise de sentimento
• Incorporando um modelo de aprendizado de máquina em um aplicativo web
• Prever variáveis-alvo contínuas com análise de regressão
• Trabalhando com dados não rotulados – Análise de Clustering
• Implementando uma rede neural artificial multicamadas do zero
• Paralelizando o treinamento de rede neural com o TensorFlow

Texto de referência em universidades de ponta como Stanford e Cambridge. Vendido em mais de 85 países, traduzido para mais de 5 idiomas.

Quer começar com ciência de dados? Nossa promessa: sem matemática adicionada. Este livro foi escrito em termos leigos como uma introdução suave à ciência de dados e seus algoritmos. Cada algoritmo tem seu próprio capítulo dedicado que explica como ele funciona, e mostra um exemplo de uma aplicação do mundo real. Para ajudá-lo a entender conceitos-chave, nos apegamos a explicações e visuais intuitivos.

Os conceitos populares abordados incluem:

Teste A/B

Detecção de anomalias

Regras da Associação

Clustering

Árvores de decisão e Florestas Aleatórias

Análise de Regressão

Análise de Redes Sociais

Redes Neurais

Características:

Explicações e visuais intuitivos

Aplicações do mundo real para ilustrar cada algoritmo

Resumos de pontos no final de cada capítulo

Folhas de referência comparando os prós e contras dos algoritmos

Lista glossária de termos comumente usados

Com este livro, esperamos dar-lhe uma compreensão prática da ciência de dados, para que você também possa aproveitar seus pontos fortes na tomada de melhores decisões.

Leia também:

Comente e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

Leia também:

  

  

  

Série SELO RARO: