Product details
- ASIN : B095Z1R3BP
- Publisher : Packt Publishing; 1st edition (August 20, 2021)
- Publication date : August 20, 2021
- Language : English
- File size : 19129 KB
- Text-to-Speech : Enabled
- Screen Reader : Supported
- Enhanced typesetting : Enabled
- X-Ray : Not Enabled
- Word Wise : Not Enabled
-
Print length : 282 pages
خرید اینترنتی کتاب Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python اثر Tyler Richards
Create, deploy, and test your Python applications, analyses, and models with ease using Streamlit
Key Features
- Learn how to showcase machine learning models in a Streamlit application effectively and efficiently
- Become an expert Streamlit creator by getting hands-on with complex application creation
- Discover how Streamlit enables you to create and deploy apps effortlessly
Book Description
Streamlit shortens the development time for the creation of data-focused web applications, allowing data scientists to create web app prototypes using Python in hours instead of days. Getting Started with Streamlit for Data Science takes a hands-on approach to helping you learn the tips and tricks that will have you up and running with Streamlit in no time.
You'll start with the fundamentals of Streamlit by creating a basic app and gradually build on the foundation by producing high-quality graphics with data visualization and testing machine learning models. As you advance through the chapters, you'll walk through practical examples of both personal data projects and work-related data-focused web applications, and get to grips with more challenging topics such as using Streamlit Components, beautifying your apps, and quick deployment of your new apps.
By the end of this book, you'll be able to create dynamic web apps in Streamlit quickly and effortlessly using the power of Python.
What you will learn
- Set up your first development environment and create a basic Streamlit app from scratch
- Explore methods for uploading, downloading, and manipulating data in Streamlit apps
- Create dynamic visualizations in Streamlit using built-in and imported Python libraries
- Discover strategies for creating and deploying machine learning models in Streamlit
- Use Streamlit sharing for one-click deployment
- Beautify Streamlit apps using themes, Streamlit Components, and Streamlit sidebar
- Implement best practices for prototyping your data science work with Streamlit
Who this book is for
This book is for data scientists and machine learning enthusiasts who want to create web apps using Streamlit. Whether you're a junior data scientist looking to deploy your first machine learning project in Python to improve your resume or a senior data scientist who wants to use Streamlit to make convincing and dynamic data analyses, this book will help you get there! Prior knowledge of Python programming will assist with understanding the concepts covered.
Table of Contents
- An Introduction to Streamlit
- Uploading, Downloading, and Manipulating Data
- Data Visualization
- Using Machine Learning with Streamlit
- Deploying Streamlit with Streamlit Sharing
- Beautifying Streamlit Apps
- Exploring Streamlit Components
- Deploying Streamlit Apps with Heroku and AWS
- Improving Job Applications With Streamlit
- The Data Project - Prototyping Projects in Streamlit
- Using Streamlit for Teams
- Streamlit Power Users
خرید اینترنتی کتاب Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python اثر Tyler Richards
کد محصول | EAPV5998098 |
منابع کتاب خرید اینترنتی کتاب Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python اثر Tyler Richards
با استفاده از Streamlit برنامهها، تحلیلها و مدلهای پایتون خود را به راحتی ایجاد، استقرار و آزمایش کنید.
ویژگی های کلیدی
- بیاموزید که چگونه مدل های یادگیری ماشین را در یک برنامه Streamlit به طور موثر و کارآمد به نمایش بگذارید
- با ایجاد برنامه های پیچیده، به یک خالق خبره Streamlit تبدیل شوید
- کشف کنید که چگونه Streamlit شما را قادر میسازد تا برنامهها را بدون زحمت ایجاد و اجرا کنید
توضیحات کتاب
Streamlit زمان توسعه ایجاد برنامههای کاربردی وب متمرکز بر داده را کوتاه میکند و به دانشمندان داده اجازه میدهد تا نمونههای اولیه برنامههای وب را با استفاده از پایتون در چند ساعت به جای چند روز ایجاد کنند. شروع به کار با Streamlit for Data Science یک رویکرد عملی دارد تا به شما کمک کند نکات و ترفندهایی را بیاموزید که شما را در کمترین زمان با Streamlit راه اندازی می کند.
شما با ایجاد یک برنامه اولیه با اصول Streamlit شروع میکنید و به تدریج با تولید گرافیکهای باکیفیت با تجسم دادهها و آزمایش مدلهای یادگیری ماشین، پایههای اولیه را ایجاد میکنید. با پیشروی در فصلها، نمونههای عملی پروژههای دادههای شخصی و برنامههای کاربردی وب متمرکز بر دادههای مرتبط با کار را مرور خواهید کرد و با موضوعات چالش برانگیزتر مانند استفاده از اجزای Streamlit، زیباسازی برنامههای خود و استقرار سریع آشنا خواهید شد. از برنامه های جدید شما
تا پایان این کتاب، میتوانید با استفاده از قدرت پایتون، برنامههای وب پویا را در Streamlit به سرعت و بدون دردسر ایجاد کنید.
آنچه خواهید آموخت
- اولین محیط توسعه خود را راه اندازی کنید و یک برنامه Streamlit اساسی را از ابتدا ایجاد کنید
- روشهای آپلود، دانلود و دستکاری دادهها را در برنامههای Streamlit کاوش کنید
- با استفاده از کتابخانه های داخلی و وارداتی پایتون، تجسم های پویا را در Streamlit ایجاد کنید
- استراتژیهایی برای ایجاد و استقرار مدلهای یادگیری ماشین در Streamlit کشف کنید
- از اشتراک گذاری Streamlit برای استقرار با یک کلیک استفاده کنید
- زیباسازی برنامه های Streamlit با استفاده از تم ها، اجزای Streamlit و نوار کناری Streamlit
- بهترین روش ها را برای نمونه سازی کار علم داده خود با Streamlit اجرا کنید
این کتاب برای چه کسی است
این کتاب برای دانشمندان داده و علاقه مندان به یادگیری ماشینی است که می خواهند با استفاده از Streamlit برنامه های وب ایجاد کنند. چه شما یک دانشمند داده جوان هستید که به دنبال اجرای اولین پروژه یادگیری ماشینی خود در پایتون برای بهبود رزومه خود هستید یا یک دانشمند ارشد داده که می خواهد از Streamlit برای تجزیه و تحلیل داده های متقاعدکننده و پویا استفاده کند، این کتاب به شما کمک می کند تا به آنجا برسید! دانش قبلی برنامه نویسی پایتون به درک مفاهیم تحت پوشش کمک می کند.
فهرست مطالب
- مقدمه ای بر Streamlit
- آپلود، دانلود و دستکاری داده ها
- تجسم داده ها
- استفاده از یادگیری ماشین با Streamlit
- استقرار Streamlit با اشتراک گذاری Streamlit
- زیباسازی برنامه های Streamlit
- کاوش در اجزای Streamlit
- استقرار برنامه های Streamlit با Heroku و AWS
- بهبود برنامه های شغلی با Streamlit
- پروژه داده - نمونه سازی پروژه ها در Streamlit
- استفاده از Streamlit برای تیم ها
- کاربران قدرتمند Streamlit
ارسال نظر درباره خرید اینترنتی کتاب Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python اثر Tyler Richards