Este documento presenta una introducción a Azure Machine Learning y Power BI. Explica cómo construir modelos de machine learning con Azure Machine Learning Designer y Azure Machine Learning Automated ML service. También introduce Power BI y explica cómo importar, transformar y visualizar datos, así como publicar reportes en Power BI. Finalmente, describe cómo integrar machine learning con Power BI usando R Script.
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.
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
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
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
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
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
Notes de l'éditeur
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.
The role of the data steward is covered in a later topic.
Chart types are covered in detail in the next lesson, so do not spend too much time discussing them here.
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.
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.
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.
