دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python
دانلود کتاب شروع کار با Streamlit برای علم داده: ایجاد و استقرار برنامه های وب Streamlit از ابتدا در پایتون
مشخصات کتاب
Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python
ویرایش: [1 ed.]
نویسندگان: Tyler Richards
سری:
ISBN (شابک) : 180056550X, 9781800565500
ناشر: Packt Publishing
سال نشر: 2021
تعداد صفحات: 282
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 Mb
قیمت کتاب (تومان) : 29,000
در صورت تبدیل فایل کتاب Getting Started with Streamlit for Data Science: Create and deploy Streamlit web applications from scratch in Python 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 برای علم داده: ایجاد و استقرار برنامه های وب Streamlit از ابتدا در پایتون 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 برای علم داده: ایجاد و استقرار برنامه های وب Streamlit از ابتدا در پایتون
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 برای ایجاد برنامه‌های کاربردی وب متمرکز بر داده را کوتاه می‌کند و به دانشمندان داده اجازه می‌دهد تا نمونه‌های اولیه برنامه وب را با استفاده از پایتون در چند ساعت به جای 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 یک برنامه Streamlit اساسی را از ابتدا ایجاد کنید • روش های آپلود، دانلود و دستکاری داده ها را در برنامه های Streamlit کاوش کنید • ایجاد تجسم پویا در Streamlit با استفاده از کتابخانه های داخلی و وارداتی پایتون • استراتژی‌هایی را 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 شیوه 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 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.
