لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Streamlit برای Snowflake Masterclas 2024 Hands-On!
Streamlit for Snowflake Masterclass 2024 Hands-On!
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
توسط کارشناس کلاس جهانی Snowflake، ابرقهرمان سابق داده و گواهینامه SnowPro SME ساخت، اشکال زدایی و استقرار برنامه های مبتنی بر داده با Streamlit. Deploy برنامه های وب Streamlit در Snowflake، به عنوان Streamlit در Snowflake Apps به اشتراک گذاری و استقرار برنامه های وب Streamlit به عنوان Nnowflake. با Snowpark به عنوان Snowflake رویه های ذخیره شده و UDF اتصال به Snowflake از یک برنامه وب Streamlit ساخت برنامه های واقعی با Streamlit و Snowflake طراحی و استقرار در Snowflake علم داده، تجزیه و تحلیل داده ها و برنامه های ML با Streamlit Process و دسترسی به داده های سلسله مراتبی در Snowflake پیش و metadaake نیازها: دانش اولیه SQL و پایگاه داده رابطه ای دانش اولیه برنامه نویسی پایتون بدون دانش قبلی از Streamlit یا Snowflake انتظار نمی رود دانش اولیه کار با یک مخزن کد کنترل نسخه مانند GitHub بدون دانش قبلی در مورد علم داده، تجزیه و تحلیل داده یا یادگیری ماشین باشد. انتظار می رود
چرا می توانید به من اعتماد کنید
من تنها کارشناس فنی Snowflake از کانادا بودم که برای برنامه Data Superhero آنها در ژانویه 2022 انتخاب شد.
SnowPro گواهینامه SME (کارشناس موضوع) - بسیاری از سوالات امتحان توسط من ایجاد شده است.
تا به امروز چهار آزمون گواهینامه SnowPro را گذرانده است (بدون آزمون مجدد): هسته، معمار، مهندس داده، تحلیلگر داده.
ده ها گواهینامه دیگر در علم داده و یادگیری ماشین، معماری راه حل های ابری، پایگاه های داده و غیره.
دهها برنامه با Streamlit و Snowflake در وبلاگ من در Medium طراحی و پیادهسازی شدهاند.
چندین سال در Snowflake تخصص داشتم، به ده ها مشتری خدمت کردم و بسیاری از پروژه های واقعی را اجرا کردم.
آنچه خواهید آموخت
نحوه ایجاد برنامه های کاربردی وب ساده تا پیچیده در Streamlit.
نحوه استقرار برنامههای وب محلی Streamlit رایگان در Streamlit Community Cloud.
نحوه اتصال به Snowflake از برنامه های Streamlit، از طریق رابط Python یا جلسه Snowpark.
نحوه استفاده از DataFrame API و فشار دادن کد پایتون به عنوان رویه ذخیره شده با Snowpark.
نحوه گسترش قابلیتهای Snowflake، با نمایشگر داده سلسله مراتبی و نمایشگر ابرداده سلسله مراتبی.
نحوه نمونه سازی با برنامه های Streamlit، علم داده، یادگیری ماشین و سناریوهای تجزیه و تحلیل داده.
نحوه استقرار یک برنامه وب Streamlit به عنوان Streamlit در برنامه Snowflake.
نحوه استقرار یک برنامه وب Streamlit به عنوان یک برنامه بومی Snowflake.
نحوه استفاده از Snowflake Native App Framework برای ساخت یا استفاده از برنامه ها با Streamlit.
ما چندین برنامه را در پایتون از ابتدا میسازیم، سپس آنها را به برنامههای وب محلی تک یا چند صفحهای Streamlit تبدیل میکنیم، آنها را در Streamlit Community Cloud استقرار میدهیم و به اشتراک میگذاریم، آنها را در Snowflake به عنوان Procs ذخیره شده یا Streamlit استقرار میدهیم. برنامه ها، آنها را به عنوان برنامه های بومی با سایر حساب های Snowflake به اشتراک بگذارید...
در مورد چه مناطق روشنایی خواهید آموخت
کنترلهای ورودی و خروجی (ویجتهای تعاملی، کنترلهای متن نمایشگر، و غیره).
اجزای چیدمان (نوار کناری، ظرف، گسترش دهنده، برگهها و غیره) و فرمها.
رویدادها و تکرارهای صفحه.
ذخیره داده، وضعیت جلسه و پاسخ به تماس ها.
مضمون و پیکربندی، اسرار TOML.
نیمه اول دوره یک بوت کمپ کامل Streamlit خواهد بود که همه چیزهایی را که باید در مورد Streamlit بدانید در آن وجود دارد.
در مورد چه مناطق دانه برف خواهید آموخت
ایجاد یک حساب Snowflake رایگان و استفاده از رابط کاربری وب Snowflake در سطح پایه.
اتصال به Snowflake با SnowSQL، و اجرای اسکریپت های SQL با این رابط خط فرمان.
اتصال به Snowflake با رابط Snowflake برای Python.
اتصال به Snowflake با Snowpark برای Python.
استفاده از Snowpark برای فشار دادن کد پایتون به عنوان رویه های ذخیره شده.
استفاده از Snowpark برای ایجاد پرسشهای SQL با DataFrame API.
نوشتن و استقرار Streamlit در برنامههای Snowflake.
نوشتن و استقرار برنامههای Snowflake Native، با Snowflake Native App Framework.
ادغام Snowflake با ChatGPT، داشبوردهای خارجی، علوم داده و کتابخانههای یادگیری ماشین.
نیمه دوم دوره همه چیز در مورد برنامه های سرویس گیرنده Snowflake، Snowpark، Streamlit در Snowflake Apps و Native Apps خواهد بود.
آنچه در این دوره گنجانده نشده است
دانش عمیق Snowflake.
علم داده عمیق، تجزیه و تحلیل داده و یادگیری ماشین.
برنامه نویسی به زبان هایی غیر از Python و SQL.
تمرکز اصلی بر روی انواع برنامههای کاربردی در پایتون با استفاده از Streamlit خواهد بود، تا کد را به تمام راههای ممکن به Streamlit Cloud یا Snowflake متصل و مستقر کنید.
برنامه های کاربردی در زندگی واقعی که ساختن آنها را خواهید آموخت
نمایشگر داده سلسله مراتبی، برای فایلهای CSV و دادههای جدولی Snowflake، با استفاده از JSON، نمودارها، انیمیشنها، جستارهای بازگشتی.
نمایشگر فراداده سلسله مراتبی، برای وابستگی های شیء Snowflake و اصل و نسب داده.
نمایشگر نمودار نهاد-رابطه برای Snowflake.
Chatbot Agent با ChatGPT OpenAI، که بهعنوان یک تولیدکننده پرسش SQL برای مجموعه دادههای Snowflake Marketplace استفاده میشود.
داشبوردهای دادههای Snowflake، با نمودارهای Vega-Lite، Altair و Plotly.
سناریوهای یادگیری ماشین، با آموزش مدل و پیشبینی.
غنیسازی دادههای آدرسهای IP با استفاده از خدمات رایگان خارجی.
من ابزارهای مشابه بسیاری از آنها را به مشتریان واقعی و شرکای Snowflake فروختم!
همین امروز ثبت نام کنید تا این دوره را برای همیشه حفظ کنید!
سرفصل ها و درس ها
معرفی
Introduction
ساختار و محتوای دوره
Course Structure and Content
بهترین راه ها برای بهره مندی از این دوره
Best Ways to Benefit from this Course
همه اسلایدها و منابع
All Slides and Resources
الزامات اولیه و راه اندازی پروژه
Initial Requirements and Project Setup
آزمایش برنامه های وب محلی Streamlit
Testing Local Streamlit Web Apps
مقدمه و خلاصه بخش
Introduction and Section Summary
یک نمایشگر داده سلسله مراتبی ساده در پایتون بسازید
Build a Simple Hierarchical Data Viewer in Python
نمایشگر داده سلسله مراتبی را به یک برنامه وب Streamlit تبدیل کنید
Convert the Hierarchical Data Viewer to a Streamlit Web App
نمودارهای داده سلسله مراتبی در Streamlit با Plotly
Hierarchical Data Charts in Streamlit with Plotly
اجزای طرح بندی ساده
Streamlit Layout Components
قالب های سلسله مراتبی و انیمیشن را اضافه کنید
Add Hierarchical Formats and Animation
برنامه نمایشگر داده اصلی را بهبود بخشید و آن را عمومی تر کنید
Improve Original Data Viewer App and Make It More Generic
از کنترل های ورودی Streamlit استفاده کنید
Use Streamlit Input Controls
داده های کش بین تکرارهای صفحه
Cache Data Between Page Reruns
داده های ایالتی را بین تکرارهای صفحه ذخیره کنید
Save State Data Between Page Reruns
در اجرای مجدد صفحه از کنترل تماس ها استفاده کنید
Use Control Callbacks on Page Reruns
نمایشگر داده سلسله مراتبی را به عنوان یک برنامه وب Streamlit نهایی کنید
Finalize the Hierarchical Data Viewer as a Streamlit Web App
دانشتان را امتحان کنید
Test Your Knowledge
به اشتراک گذاری برنامه های وب Streamlit در Streamlit Cloud
Sharing Streamlit Web Apps in Streamlit Cloud
مقدمه و خلاصه بخش
Introduction and Section Summary
برنامه وب محلی خود را برای Streamlit Cloud اجرا کنید
Deploy Your Local Web App to Streamlit Cloud
از حافظه پنهان داده با شناسه جلسه تولید شده استفاده کنید
Use Data Caching with a Generated Session ID
برنامه را خصوصی کنید و از دسترسی برنامه عمومی محافظت کنید
Make App Private and Protect Public App Access
تجزیه و تحلیل داده های املاک و مستغلات با یک برنامه BI Streamlit
Data Analysis of Real-Estate Properties with a BI Streamlit App
تشخیص اشیاء ML با برنامه CNN Data Science Streamlit
ML Object Detection with a CNN Data Science Streamlit App
دانشتان را امتحان کنید
Test Your Knowledge
اتصال برنامه های Streamlit به Snowflake
Connecting Streamlit Apps to Snowflake
مقدمه و خلاصه بخش
Introduction and Section Summary
داده ها را از طریق رابط کاربری وب در یک حساب جدید Snowflake آپلود کنید
Upload Data into a New Snowflake Account through the Web UI
با SnowSQL CLI به Snowflake متصل شوید
Connect to Snowflake with SnowSQL CLI
با اتصال دهنده پایتون به Snowflake متصل شوید
Connect to Snowflake with the Connector for Python
با Snowpark برای Python به Snowflake متصل شوید
Connect to Snowflake with Snowpark for Python
یک کوئری پیچیده با کلاینت پایتون و پارک اسنو بسازید
Build a Complex Query with the Python Client and Snowpark
با Snowpark DataFrame API یک کوئری پیچیده بسازید
Build a Complex Query with the Snowpark DataFrame API
کد پایتون را به عنوان یک رویه ذخیره شده با Snowpark فشار دهید
Push Python Code as a Stored Procedure with Snowpark
با اتصال Streamlit در برنامه چند صفحه ای به Snowflake متصل شوید
Connect to Snowflake with Streamlit Connector in Multi-Page App
نمایشگر داده سلسله مراتبی را به Snowflake وصل کنید
Connect the Hierarchical Data Viewer to Snowflake
نمایشگر داده های سلسله مراتبی را با پرس و جوهای بازگشتی تقویت کنید
Enhance the Hierarchical Data Viewer with Recursive Queries
نمایشگر دادههای سلسله مراتبی متصل را برای استریملیت ابر مستقر کنید
Deploy the Connected Hierarchical Data Viewer to Streamlit Cloud
یک نمایشگر ابرداده سلسله مراتبی به عنوان یک برنامه چند صفحه ای Streamlit ایجاد کنید
Create a Hierarchical Metadata Viewer as a Streamlit Multi-Page App
با Streamlit یک Entity-Relationship Diagram Viewer ایجاد کنید
Create an Entity-Relationship Diagram Viewer with Streamlit
یک برنامه تحلیل احساسات NLP با نظرات IMDB ایجاد کنید
Create a NLP Sentiment Analysis App with the IMDB Reviews
Snowflake را با ChatGPT ادغام کنید
Integrate Snowflake with ChatGPT
یک نماینده ChatGPT برای صفحات وب خود ایجاد کنید
Create a ChatGPT Agent for Your Web Pages
دانشتان را امتحان کنید
Test Your Knowledge
استقرار برنامه های Streamlit برای Snowflake
Deploying Streamlit Apps to Snowflake
مقدمه و خلاصه بخش
Introduction and Section Summary
ایجاد و استقرار یک Streamlit در برنامه Snowflake
Create and Deploy a Streamlit in Snowflake App
نمایشگر داده سلسله مراتبی را در Snowflake به عنوان یک برنامه Streamlit اجرا کنید
Deploy the Hierarchical Data Viewer in Snowflake as a Streamlit App
نمایشگر فراداده سلسله مراتبی را در Snowflake به عنوان یک برنامه Streamlit اجرا کنید
Deploy the Hierarchical Metadata Viewer in Snowflake as a Streamlit App
یک داشبورد چند صفحه ای با نمودارهای Vega-Lite به عنوان یک برنامه Streamlit ایجاد کنید
Create a Multi-Page Dashboard with Vega-Lite Charts as a Streamlit App
یک داشبورد چند صفحه ای با نمودارهای Altair به عنوان یک برنامه Streamlit ایجاد کنید
Create a Multi-Page Dashboard with Altair Charts as a Streamlit App
یک مدل ML رگرسیون خطی را آموزش دهید و با UDF پیشبینی کنید
Train a Linear Regression ML Model and Predict with UDF
نمایشگر فراداده سلسله مراتبی را به عنوان یک برنامه بومی Snowflake اجرا کنید
Deploy the Hierarchical Metadata Viewer as a Snowflake Native App
نمایشگر داده سلسله مراتبی را به عنوان یک برنامه بومی Snowflake اجرا کنید
Deploy the Hierarchical Data Viewer as a Snowflake Native App
چارچوب برنامه بومی Snowflake را مرور کنید
Review the Snowflake Native App Framework
داده های آدرس IP را با یک برنامه بومی Snowflake غنی کنید
Enrich IP Address Data with a Snowflake Native App
یک برنامه رایگان Snowflake Native را از Marketplace نصب و اجرا کنید
Install and Run a Free Snowflake Native App from the Marketplace
دانشتان را امتحان کنید
Test Your Knowledge
بسته بندی
Wrapping Up
تبریک می گویم، شما موفق شدید!
Congratulations, You Made It!
نمایش نظرات