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 Getting Started with Streamlit for Data Science

دانلود کتاب شروع کار با Streamlit for Data Science

Getting Started with Streamlit for Data Science

مشخصات کتاب

Getting Started with Streamlit for Data Science

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781800565500 
ناشر: Packt Publishing Pvt. Ltd. 
سال نشر: 2021 
تعداد صفحات:  
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 Mb

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Getting Started with Streamlit for Data Science 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 شروع کار با Streamlit for Data Science 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 در مورد کتاب شروع کار با Streamlit for Data Science

با استفاده از Streamlit برنامه‌ها، تحلیل‌ها و مدل‌های پایتون خود را به راحتی ایجاد، استقرار و آزمایش کنید. چگونه Streamlit شما را قادر می‌سازد تا برنامه‌ها را بدون زحمت ایجاد و استقرار کنید شرح 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 Python 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 در کمترین زمان ممکن شما را با Streamlit راه اندازی کنید. 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 مبتنی بر داده‌های مرتبط با کار را مرور خواهید کرد و با موضوعات چالش‌برانگیزتر مانند استفاده از کامپوننت‌های 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 از ابتدا یک برنامه Streamlit اولیه ایجاد کنید. روش های آپلود، دانلود و دستکاری داده ها را در برنامه های Streamlit کاوش کنید تجسم های پویا را در Streamlit با استفاده از کتابخانه های داخلی و وارداتی Python ایجاد کنید. کشف استراتژی ها برای ایجاد و استقرار مدل‌های یادگیری ماشین در Streamlit استفاده از اشتراک‌گذاری Streamlit برای استقرار با یک کلیک زیباسازی برنامه‌های Streamlit با استفاده از تم‌ها، اجزای Streamlit و نوار کناری Streamlit بهترین شیوه‌ها را برای نمونه‌سازی کار علم داده خود با Streamlit پیاده‌سازی کنید. این کتاب برای چه کسانی است: این کتاب برای دانشمندان داده است و علاقه مندان به یادگیری ماشینی که می خواهند با استفاده از Streamlit برنامه های وب ایجاد کنند. چه شما یک دانشمند داده جوان باشید 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.


توضیحاتی درمورد کتاب به خارجی

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.



فهرست مطالب

Cover
Title Page
Copyright and Credits
Contributors
Table of Contents
Preface
Section 1: Creating Basic Streamlit Applications
Chapter 1: An Introduction to Streamlit
	Technical requirements
	Why Streamlit?
	Installing Streamlit
	Organizing Streamlit apps
	Streamlit plotting demo
	Making an app from scratch
		Using user input in Streamlit apps
		Finishing touches – adding text to Streamlit
	Summary
Chapter 2: Uploading, Downloading, and Manipulating Data
	Technical requirements
	The setup – Palmer's Penguins
		Exploring Palmer's Penguins
		Flow control in Streamlit
	Debugging Streamlit apps
		Developing in Streamlit
		Exploring in Jupyter and then copying to Streamlit
	Data manipulation in Streamlit
		An introduction to caching
	Summary
Chapter 3: Data Visualization
	Technical requirements
	San Francisco Trees – A new dataset
	Streamlit visualization use cases
	Streamlit's built-in graphing functions
	Streamlit's built-in visualization options
		Plotly
		Matplotlib and Seaborn
		Bokeh
		Altair
		PyDeck
	Summary
Chapter 4: Using Machine Learning with Streamlit
	The standard ML workflow
	Predicting penguin species
	Utilizing a pre-trained ML model in Streamlit
	Training models inside Streamlit apps
	Understanding ML results
	Summary
Chapter 5: Deploying Streamlit with Streamlit Sharing
	Technical requirements
	Getting started with Streamlit Sharing
	A quick primer on GitHub
	Deploying with Streamlit Sharing
	Debugging Streamlit Sharing
		Streamlit Secrets
	Summary
Section 2: Advanced Streamlit Applications
Chapter 6: Beautifying Streamlit Apps
	Technical requirements
	Setting up the SF Trees dataset
	Working with columns in Streamlit
	Exploring page configuration
	Using the Streamlit sidebar
	Picking colors with Color Picker
	Utilizing Streamlit themes
	Summary
Chapter 7: Exploring Streamlit Components
	Technical requirements
	Using Streamlit Components – streamlit-embedcode
	Using Streamlit Components – streamlit-lottie
	Using Streamlit Components – streamlit-pandas-profiling
	Finding more components
	Summary 
Chapter 8: Deploying Streamlit Apps with Heroku and AWS
	Technical requirements
	Choosing between AWS, Streamlit Sharing, and Heroku
	Deploying Streamlit with Heroku
		Setting up and logging in to Heroku
		Cloning and configuring our local repository
		Deploying to Heroku
	Deploying Streamlit with AWS
		Selecting and launching a virtual machine
		Installing the necessary software 
		Cloning and running your app
		Long-term AWS deployment
Section 3: Streamlit Use Cases
Chapter 9: Improving Job Applications with Streamlit
	Technical requirements
	Using Streamlit for proof of skill data projects
		Machine learning – the Penguins app
		Visualization – the Pretty Trees app
	Improving job applications in Streamlit
		Questions
		Answering Question 1
		Answering Question 2
	Summary
Chapter 10: The Data Project – Prototyping Projects in Streamlit
	Technical requirements
	Data science ideation
	Collecting and cleaning data
	Making an MVP
		How many books do I read each year?
		How long does it take for me to finish a book that I have started?
		How long are the books that I have read?
		How old are the books that I have read? 
		How do I rate books compared to other Goodreads users?
	Iterative improvement
		Beautification via animation
		Organization using columns and width
		Narrative building through text and additional statistics
	Hosting and promotion
	Summary
Chapter 11: Using Streamlit for Teams
	Analyzing hypothetical survey costs using Streamlit for Teams
		Setting up a new Streamlit app folder
		Illustrating the representativeness of the sample
		Calculating the cost of the sample
		Using interaction to show trade-offs 
	Creating and deploying apps from private repositories
	User authentication with Streamlit
	Summary
Chapter 12: Streamlit Power Users
	Interview #1 – Fanilo Andrianasolo
	Interview #2 – Johannes Rieke
	Interview #3 – Adrien Treuille
	Interview #4 – Charly Wargnier
	Summary
Other Books You May Enjoy
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی