لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت با هوش مصنوعی: طراحی داشبوردهای هوشمند با Streamlit
- آخرین آپدیت
دانلود Build with AI: AI-Powered Dashboards with Streamlit
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
توضیحات
این دوره درباره چیست؟
در این دوره عملی، نحوه استفاده از Streamlit برای ساخت اپلیکیشنهای وب را خواهید آموخت. بهطور خاص، شما یک دستیار کدنویسی مبتنی بر هوش مصنوعی در Streamlit خواهید ساخت که به تولید، اصلاح و نگهداری داشبوردهای دادههای تعاملی با استفاده از پایتون و API شرکت OpenAI کمک میکند. ابتدا با ساخت یک دستیار هوش مصنوعی ساده مبتنی بر چت در Streamlit شروع میکنید، سپس نحوه بارگذاری، آمادهسازی و تحلیل دادهها در این پلتفرم را میآموزید. در ادامه، داشبوردهای پویا با بصریسازیهای متنوع و فیلترها را از طریق تعاملات متنی با یک دستیار هوش مصنوعی داخلی میسازید. در نهایت، روشهای تست، نگهداری و استقرار (Deploy) داشبورد کامل خود را روی Streamlit Community Cloud خواهید آموخت.
مدرس
چه کسی این دوره را تدریس میکند؟
مگان سیلوی (Megan Silvey) مشاور علوم داده و مؤسس Silvey Solutions است که بینشهای عملی و دادهمحور ارائه میدهد و با سازمانهایی نظیر سازمان ملل متحد، Emeritus، phData و BankOnIP همکاری کرده است.
اهداف
در پایان این دوره چه تواناییهایی خواهم داشت؟
تسلط بر بسته Streamlit و کاربرد آن در ساخت اپلیکیشنهای وب.
بارگذاری، پاکسازی و بررسی مجموعهدادهها با استفاده از کدهای پایتون تولید شده توسط هوش مصنوعی.
طراحی و نگهداری داشبوردهای تعاملی با کمک ابزارهای هوش مصنوعی.
استقرار حرفهای اپلیکیشنها در Streamlit Community Cloud.
ارزیابی و پیادهسازی بهترین روشها برای ادغام هوش مصنوعی در داشبوردهای Streamlit.
مخاطبان
این دوره برای چه کسانی است؟
مشاوران علوم داده
برنامهنویسان پایتون
علاقهمندان به یادگیری ماشین
توسعهدهندگان وب
متخصصانی که قصد ورود به حوزه علوم داده را دارند
پیشنیازها
قبل از شروع این دوره چه چیزهایی باید بدانم؟
دانش مقدماتی برنامهنویسی پایتون
آشنایی با مفاهیم توسعه وب
تجربه کار با دادهها و بصریسازی (مزیت است اما الزامی نیست)
سرفصل ها و درس ها
مقدمه
Introduction
ساخت یک داشبورد مبتنی بر هوش مصنوعی با پایتون و Streamlit
Build an AI-powered dashboard with Python and Streamlit
1. آشنایی با Streamlit و ابزارهای هوش مصنوعی
1. Introduction to Streamlit and AI Tools
اتصال به API OpenAI با استفاده از کلید API
Connecting to the OpenAI API with your API key
کار با هوش مصنوعی و APIها: بهترین روشها برای ادغام امن
Working with AI and APIs: Best practices for secure integration
Streamlit چیست و چرا برای داشبوردهای AI استفاده میشود؟
What is Streamlit, and why use it for AI dashboards?
مبانی Streamlit: آمادهسازی محیط توسعه
Streamlit basics: Setting up your environment
مبانی Streamlit: ایجاد ویجتها و تعاملات
Streamlit basics: Creating widgets and interactivity
مبانی Streamlit: بررسی و بهینهسازی اپلیکیشن
Streamlit basics: Exploring and refining your app
2. ساخت یک اپلیکیشن داشبورد ساده با Streamlit
2. Building a Basic Streamlit Dashboard App
افزودن ویجت چت به رابط کاربری اپلیکیشن
Add a chat widget to your app UI
اتصال Chat API شرکت OpenAI به اپلیکیشن Streamlit
Connect the OpenAI Chat API to your Streamlit app
اجرا و نمایش کدهای تولید شده توسط AI در داخل اپلیکیشن
Render and run AI-generated code inside your app
ساخت یک داشبورد ساده در Streamlit با دادههای نمونه
Build a simple dashboard in Streamlit with sample data
مدیریت خطاها و ارائه بازخورد به کاربر در اپلیکیشن
Handle errors and provide user feedback in your app
3. کار با دادهها در Streamlit
3. Working with Data in Streamlit
بارگذاری و پیشنمایش دادههای خارجی در Streamlit
Upload and preview external data in Streamlit
پاکسازی دادهها با کمک هوش مصنوعی
Clean your data with help from AI
استفاده از AI برای کاوش و خلاصهسازی دادهها
Use AI to explore and summarize your data
شناسایی شاخصهای کلیدی عملکرد (KPI) با کمک AI
Identify key performance indicator metrics with the help of AI
معرفی پروژه هتل لاندون (Landon Hotel)
Introducing Landon Hotel
تعریف فیلترهای داشبورد با کمک دستیار هوش مصنوعی
Define dashboard filters with AI assistance
4. بصریسازی دادهها و طراحی داشبورد
4. Data Visualization and Dashboard Design
تولید بصریسازیهای داده با استفاده از پرامپتهای AI
Generate data visualizations using AI prompts
ساخت داشبوردهای تعاملی پاسخدهنده به فیلترها
Build interactive dashboards that respond to filters
تست اپلیکیشن داشبورد
Test your dashboard app
استقرار داشبورد در Streamlit Community Cloud
Deploy your dashboard to the Streamlit Community Cloud
اصلاح و نگهداری داشبورد مبتنی بر هوش مصنوعی
Refine and maintain your AI-powered dashboard
سازماندهی چیدمان داشبورد با کمک AI
Organize your dashboard layout with AI help
بهینهسازی بصریسازی دادهها با پیشنهادات AI
Refine data visuals using AI suggestions
مگان مشتاق کمک به شرکت ها در تصمیم گیری های مبتنی بر داده است. او Silvey Solutions را برای کمک به ایجاد تفاوت در جامعه داده با ارائه بینشهای عملی و مبتنی بر داده تأسیس کرد. برخی از مشتریان برجسته ای که او با آنها کار کرده است عبارتند از: سازمان ملل متحد، بازنشسته، phData و BankOnIP.
او مدرک کارشناسی ارشد را در تجزیه و تحلیل داده ها از دانشگاه ایالتی کانزاس و لیسانس ریاضیات با رشته روانشناسی را در دانشگاه کانزاس دریافت کرد.
نمایش نظرات