آموزش استقرار مدل یادگیری ماشین با Streamlit

دوره کامل برای استقرار مدل‌های یادگیری ماشین با استفاده از Streamlit. برنامه های وب را با ML و AI بسازید و آنها را برای به اشتراک گذاشتن آنها با جهان بکار ببرید.

این دوره شما را از اصول اولیه تا استقرار برنامه‌های مقیاس‌پذیر که توسط یادگیری ماشینی طراحی شده‌اند، می‌برد. برای آزمایش دانش شما، من بیش از شش پروژه اصلی را با راه حل های هدایت شده کامل طراحی کرده ام.

این دوره شامل موارد زیر است:

مبانی Streamlit

• عناصر تعاملی مانند دکمه‌ها، فرم‌ها، لغزنده، عناصر ورودی و غیره را اضافه کنید.

• نمایش نمودارها

• طرح بندی برنامه خود را سفارشی کنید

• پروژه Capstone: یک داشبورد تعاملی بسازید

در حال ذخیره

• بهبود عملکرد با حافظه پنهان

• استفاده اولیه و پیشرفته از حافظه پنهان

• پروژه Capstone: استقرار یک مدل طبقه بندی

مدیریت وضعیت جلسه

• افزودن تعامل بیشتر و افزایش عملکرد با مدیریت وضعیت جلسه

• استفاده اولیه و پیشرفته از وضعیت جلسه

• پروژه Capstone: استقرار یک مدل رگرسیون

برنامه های چند صفحه ای

• برنامه های بزرگ با چندین صفحه بسازید

• پروژه Capstone: مدل های طبقه بندی قطار و رتبه

احراز هویت

• یک لایه امنیتی با احراز هویت اضافه کنید

• اجزای ورود/خروج از سیستم را اضافه کنید

• احراز هویت پیشرفته با مدیریت کاربر، بازنشانی رمز عبور و غیره.

• پروژه Capstone: یک مدل خوشه بندی را برای بازاریابی مستقر کنید

اتصال به منابع داده

• اتصال به پایگاه داده

• دسترسی به داده ها از طریق APIها

• پروژه Capstone: یک مدل تقاضای فروش مستقر کنید

استقرار

• یک برنامه Streamlit را به صورت رایگان راه اندازی کنید

• فرایند استقرار پیشرفته با مدیریت اسرار و متغیرهای محیطی