لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش با Streamlit برنامه های وب علم داده را بیاموزید و به کار بگیرید
Learn & Deploy Data Science Web Apps with Streamlit
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش، توسعه و استقرار برنامه وب Streamlit برای برنامه علوم داده فقط با استفاده از Python ایجاد برنامه های قدرتمند استریم لیت ایجاد برنامه وب زیبا در عرض چند دقیقه ساخت وب اپلیکیشن بدون دانستن چیزی در مورد HTML، CSS، جاوا اسکریپ توسعه برنامه های وب در پایتون توسعه برنامه وب علم داده پیش نیازها: مبتدیان پایتون باید پانداها را برای تجزیه و تحلیل داده بشناسند
به دوره آموزشی Learn Streamlit for Data Science خوش آمدید
Streamlit یک کتابخانه پایتون منبع باز است که ایجاد و اشتراک گذاری برنامه های وب زیبا و سفارشی برای یادگیری ماشین و علم داده را آسان می کند که می تواند برای به اشتراک گذاشتن نتایج تجزیه و تحلیل، ایجاد تجربیات تعاملی پیچیده و نشان دادن مدل های جدید یادگیری ماشین استفاده شود. . فقط در چند دقیقه میتوانید برنامههای داده قدرتمند بسازید و اجرا کنید.
علاوه بر این، توسعه و استقرار برنامههای Streamlit فوقالعاده سریع و انعطافپذیر است و اغلب زمان توسعه برنامه را از روز به ساعت تبدیل میکند.
در این دوره، ما با اصول Streamlit شروع می کنیم. ما یاد خواهیم گرفت که چگونه برنامه های Streamlit را دانلود و اجرا کنیم، چگونه برنامه های آزمایشی را با استفاده از ویرایشگر متن خود ویرایش کنیم، چگونه برنامه های Streamlit خود را سازماندهی کنیم، و در نهایت، چگونه برنامه های خودمان را بسازیم. سپس، اصول تجسم داده ها را در Streamlit بررسی می کنیم. ما یاد خواهیم گرفت که چگونه برخی از ورودی های اولیه کاربر را بپذیریم، و سپس برخی از کارهای تکمیلی را با متن به برنامه های خود اضافه کنیم. در پایان این دوره، شما باید راحت شروع به ساخت برنامه های Streamlit خود کنید.
به ویژه، ما موضوعات زیر را پوشش خواهیم داد:
چرا Streamlit؟
نصب Streamlit
سازماندهی برنامه های Streamlit
Streamlit
عناصر متن
نمایش داده ها
طرح بندی ها
ابزارک ها
تجسم داده
ادغام ابزارک ها با تجسم ها
نقشه
بوکه
Streamlit
پروژه علم داده
برنامه وب Data Science را در Cloud استقرار دهید
سرفصل ها و درس ها
معرفی
Introduction
استریم لایت چیست؟
What is streamlit ?
Flask vs Django vs Streamlit
Flask vs Django vs Streamlit
منابع را دانلود کنید
Download the resourses
پایتون را نصب کنید
Install Python
Streamlit را نصب کنید
Install Streamlit
کتابخانه های مورد نیاز را نصب کنید
Install required libraries
VS Code را نصب کنید
Install VS Code
VS Code Extensions را نصب کنید
Install VS Code Extensions
شروع کار با Streamlit
Getting Started with Streamlit
شروع کار با Streamlit
Getting Started with Streamlit
Streamlit را اجرا کنید
Run Streamlit
برنامه Streamlit را در 24 خط ایجاد کنید
Create Streamlit App in 24 Lines
APIهای Streamlit
Streamlit APIs
دانلود منابع
Download resourses
تقریباً هر چیزی را به صورت جریانی نمایش دهید
Display almost anything in streamlit
st.نوشتن
st.write
شعبده بازي
magic
عناصر متنی ساده
Streamlit Text Elements
st.markdown
st.markdown
st.markdown part-2
st.markdown part-2
st.markdown part-3
st.markdown part-3
عناصر متن: عنوان، سربرگ، زیر سربرگ، کد، لاتکس
Text elements : title, header, subheader, code, latex
عناصر داده: دیتافریم، جدول، json
Data Elements: dataframe, table, json
عناصر وضعیت: نوار پیشرفت
Status Elements: Progress Bar
عنصر وضعیت: اسپینر
Status Element: Spinner
عناصر وضعیت: نمایش پیام هایی مانند موفقیت، خطا، هشدار، اطلاعات
Status Elements: Display message like Success, Error, Warning, Info
عناصر رسانه: نمایش تصویر، ویدئو و صدا
Media Elements: Display Image, Video and Audio
تیم مهندس و توسعه دهندگان سلام ، ما تیمی متشکل از کارشناسان یادگیری ماشین ، توسعه دهندگان هوش مصنوعی هستیم که با هم همکاری می کنند تا وضعیت هنر هوش مصنوعی را پیشرفت دهند. وقتی دوره های جدید آزاد می شوید ، با پرسش و پاسخ و بسیاری موارد دیگر از ما می شنوید. ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. با تشکر، تیم Data Science Anywhere
توسعه دهنده هوش مصنوعی سلام به همه ، ما تیم دانشمندان داده هستیم و در طول دوره با شما همراه خواهیم بود. ما به تمام س yourالات شما در رابطه با دوره پاسخ خواهیم داد و اگر در اجرای کد ساختار دارید ، به شما کمک می کنیم خطاها را برطرف کنید. بسیار سپاسگزارم و یادگیری مبارک. علم داده در هر کجا
نمایش نظرات