ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Beginner's Guide to Streamlit with Python: Build Web-Based Data and Machine Learning Applications

دانلود کتاب راهنمای مبتدیان برای استریم لایت با پایتون: ساخت برنامه های کاربردی مبتنی بر وب و داده های یادگیری ماشینی

Beginner's Guide to Streamlit with Python: Build Web-Based Data and Machine Learning Applications

مشخصات کتاب

Beginner's Guide to Streamlit with Python: Build Web-Based Data and Machine Learning Applications

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 148428982X, 9781484289822 
ناشر: Apress 
سال نشر: 2022 
تعداد صفحات: 215 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

قیمت کتاب (تومان) : 60,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Beginner's Guide to Streamlit with Python: Build Web-Based Data and Machine Learning Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب راهنمای مبتدیان برای استریم لایت با پایتون: ساخت برنامه های کاربردی مبتنی بر وب و داده های یادگیری ماشینی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Table of Contents
About the Author
About the Technical Reviewer
Acknowledgments
Introduction
Chapter 1: Introduction to Streamlit
	What Is Streamlit?
	Why Streamlit?
	Why Streamlit for Data Science and ML Engineers?
	Features of Streamlit
		Open Source
		Platforms
		Ease of Development
		Interactive Applications
		Reduced Time of Development
		No Core Web Development Knowledge
		Easy to Learn
		Model Implementation
		Compatibility
		Literate Programming Document
		Streamlit Cloud
		Optimize Change
		Error Notifications
	Comparing Streamlit to  Alternative Frameworks
	Installing Python
		Installing Streamlit on Windows
		Installing Streamlit on Linux
		Installing Streamlit on macOS
		Testing the Streamlit Installation
	Creating Our First App
	Summary
Chapter 2: Text and Table Elements
	Text Elements
	Titles
	Headers
	Subheaders
	Captions
	Plain Text
	Markdown
	LaTeX
	Code
	Data Elements
	Dataframes
	Tables
	Metrics
	JSON
	The write() Function as a Superfunction
	Magic
	Summary
Chapter 3: Visualization
	The Importance of Visualization
	Visualization in Streamlit
	Purpose of Visualization
	Streamlit Functions
		Bar
		Line
		Area
		Map
	Graphviz
	Seaborn
		Count
		Violin
		Strip
	Altair
		Boxplot
		Area
		Heatmap
	Plotly
		Pie
		Donut
		Scatter
		Line
		Bar
		Bar Horizontal
		Subplots
	Summary
Chapter 4: Data and Media Elements
	Images
	Multiple Images
	Background Image
	Resizing an Image
	Audio
	Video
	Balloon
	Snowflake
	Emojis
	Summary
Chapter 5: Buttons and Sliders
	Buttons
	Radio Buttons
	Check Boxes
	Drop-Downs
	Multiselects
	Download Buttons
	Progress Bars
	Spinners
	Summary
Chapter 6: Forms
	Text Box
	Text Area
	Number Input
	Time
	Date
	Color
	File Upload
	Text/Docx Document
	PDF Upload
	Dataset Upload
	Image Upload
	Uploading Multiple Images
	Saving Uploaded Documents
	Submit Button
	Summary
Chapter 7: Columns and Navigation
	Columns
	Spaced-Out Columns
	Columns with Padding
	Grids
	Expanders/Accordions
	Containers
	Empty Containers
	Sidebars
	Multipage Navigation
		Main Page
		Pages
	Summary
Chapter 8: Control Flow and Advanced Features
	Alert Box
		st.info()
		st.warning()
		st.success()
		st.error()
		st.exception()
	Control Flow
		Stop Execution
		Rerun the Script
		st.form_submit_button
	Advanced Features
		Configuring the Page
		st.echo
		st.experimental_show
		Session State
		Performance
		Caching
		st.experimental_memo
		st.experimental_memo.clear()
		st.experimental_singleton
		st.experimental_singleton.clear
	Summary
Chapter 9: Natural Language Processing
	NLP App Creation
		User Input
		Cleaning the Text
		Predictions
	Setting Up Files
		Requirement Text
		setup.sh
		Procfile
	GitHub Repository Creation
	Heroku
	Deployment
	Summary
Chapter 10: Computer Vision in Streamlit
	Installing Libraries
	Model Deployment
	Upload Image
	Map Image Classes
	Apply Imaging Techniques
	Model Preprocessing
	Predictions
	Complete Code
Index




نظرات کاربران