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!

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش Streamlit برای Snowflake Masterclas 2024 Hands-On!
جزییات دوره
9 hours
53
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,290
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Cristian Scutaru Cristian Scutaru

دارای گواهینامه Snowflake، AWS/Azure/GCP، بسیاری از فروشگاه های NoSQL