Udemy Complete Guide to Data Science Applications with Streamlit
راهنمای کامل برنامه های کاربردی علوم داده با Streamlit به شما ارائه داده میشود . با نحوه ساخت و استقرار برنامه های کاربردی علوم داده در پایتون آشنا شوید. تجزیه و تحلیل داده ها و ساخت مدل های یادگیری ماشین یک موضوع است. بسته بندی این تجزیه و تحلیل ها و مدل ها به گونه ای که قابل اشتراک باشند ، در کل یک بازی توپی متفاوت است. این دوره با هدف آموزش سریعترین و ساده ترین راه برای ساخت و به اشتراک گذاری برنامه های کاربردی داده با استفاده از Streamlit است. برای این کار شما در ساخت برنامه های نیازی به تجربه ندارید. در اینجا برخی از مواردی وجود دارد که می توانید انتظار داشته باشید در این دوره پوشش داده شود : Python Crash Course ، دوره خرابی NumPy ، مقدمه ای بر Streamlit ، ادغام Matplotlit و Seaborn در Streamlit ، استفاده از Altair و Vega-Lite در Streamlit ، همه ابزارکهای جریان مستقیم را بفهمید ، بارگذاری و پردازش پرونده ها ، یک برنامه پردازش تصویر بسازید ، یک برنامه پردازش زبان طبیعی ایجاد کنید ، نقشه ها را با Streamlit ادغام کنید ، نمودارهای طرح را پیاده سازی کنید ،تنظیم برنامه خود در Streamlit ، استفاده از برنامه های داده. در پایان دوره ، چندین برنامه کاربردی ایجاد کرده اید که می توانید آنها را در مجموعه اطلاعات علوم خود قرار دهید. همچنین مهارت جدیدی برای افزودن به رزومه خود خواهید داشت.
- آنچه خواهید آموخت :
- ساخت برنامه های کاربردی داده با Streamlit
- ادغام Matptlotlib و Seaborn در Streamlit
- به طور کامل تجسم در Streamlit
- تأیید اعتبار برنامه های جریان مستقیم
- اجرای برنامه های Streamlit
- استفاده از م Stلفه های Streamlit
- تجسم های Altair در Streamlit
- نیازمندی ها :
- برنامه نویسی پایه پایتون
- این دوره آموزشی برای چه کسانی است :
- افرادی که به ساخت علوم داده و برنامه های یادگیری ماشین در پایتون علاقه مند هستند