Меркурий
Организатор
- #1
[ДМК] Streamlit для Data Science [Тайлер Ричардс]
- Ссылка на картинку
Если вы работаете с данными на Python и хотите создавать высококачественные интерактивные приложения для работы с данными, демонстрирующие модели
машинного обучения и генерирующие красивые интерактивные визуализации, то эта книга идеально подходит для вас.
Описано подключение Streamlit к базам данных, таким как Snowflake, интеграцию моделей Hugging Face и OpenAI с вашими приложениями, а также подключение и создание приложений на основе баз данных Streamlit.
На GitHub размещен обновленный репозиторий кода, который поможет вам попрактиковаться в приобретенных навыках.
Вы научитесь:
Издание предназначено для специалистов по обработке данных и энтузиастов машинного обучения, которые хотят начать создавать интерактивные приложения на Python. Предварительные знания основ программирования на Python являются обязательными.
Описано подключение Streamlit к базам данных, таким как Snowflake, интеграцию моделей Hugging Face и OpenAI с вашими приложениями, а также подключение и создание приложений на основе баз данных Streamlit.
На GitHub размещен обновленный репозиторий кода, который поможет вам попрактиковаться в приобретенных навыках.
Вы научитесь:
- настраивать среду разработки и создавать базовое приложение Streamlit с нуля;
- cоздавать динамические визуализации, используя встроенные и импортированные библиотеки Python;
- применять стратегии создания и развертывания моделей машинного обучения в Streamlit;
- развертывать приложения Streamlit с помощью Streamlit Community Cloud и Hugging Face Spaces;
- интегрировать Streamlit с Hugging Face, OpenAI и Snowflake;
- улучшать интерфейс приложения Streamlit, используя темы и компоненты;
- внедрять лучшие практики прототипирования ваших проектов по обработке данных с помощью Streamlit.
Издание предназначено для специалистов по обработке данных и энтузиастов машинного обучения, которые хотят начать создавать интерактивные приложения на Python. Предварительные знания основ программирования на Python являются обязательными.
