استقرار مدل‌ یادگیری ماشین با استفاده از Streamlit

آنچه یاد خواهید گرفت:

•  درک مفاهیم و ویژگی‌های اصلی Streamlit
• ساخت وب اپلیکیشن‌های تعاملی با داده‌ برای استقرار مدل خود
• تسلط به ویژگی‌های پیشرفته و یکپارچه‌سازی‌ها در Streamlit
• اعمال بهترین شیوه‌ها و تکنیک‌های بهینه‌سازی برای Streamlit
• اتصال اپلیکیشن Streamlit خود به منابع داده
• استقرار اپلیکیشن Streamlit خود به‌طور رایگان

پیش‌‌نیازهای دوره

• داشتن دانش کار با پایتون و یادگیری ماشین الزامی است.
• این دوره تنها روی استقرار مدل‌ها با استفاده از Streamlit تمرکز دارد. ما زمان زیادی را صرف توضیح نحوه‌ کار یا توسعه و آموزش مدل‌ها نمی‌کنیم.
• یک کامپیوتر با نصب آناکوندا
• نرم‌افزار ویرایش متن دلخواه خود را نصب کرده باشید (ما از ویژوال استودیو کد استفاده می‌کنیم)

توضیحات دوره

این دوره کامل برای استقرار مدل‌های یادگیری ماشین با استفاده از Streamlit است. شما وب اپلیکیشن‌ها مبتنی بر یادگیری ماشین و هوش مصنوعی می‌سازید و آنها را به اشتراک می‌گذارید.

این دوره شما را از مبانی به استقرار اپلیکیشن‌های مقیاس‌پذیر با قدرت یادگیری ماشین می‌برد. برای تست دانش شما، بیش از شش پروژه‌ capstone با راه‌حل‌های کاملا هدایت شده طراحی کرده‌ایم.

این دوره شامل موارد زیر است:

مبانی Streamlit

• افزودن عناصر تعاملی مانند دکمه‌ها، فرم‌ها، اسلایدرها و عناصر رودی و غیره
• نمایش نمودارها
• سفارشی‌سازی طرح‌بندی اپلیکیشن خود
• پروژه‌ capstone - ساخت داشبورد تعاملی

کش‌ کردن

• بهبود عملکرد با کش‌ کردن
• استفاده‌ اولیه و پیشرفته از کش‌ کردن
• پروژه‌ capstone - استقرار مدل طبقه‌بندی

مدیریت state سشن

• افزودن تعامل‌پذیری بیشتر و افزایش عملکرد با مدیریت state سشن
• استفاده‌ اولیه و پیشرفته از state سشن
• پروژه‌ Capstone - استقرار مدل رگرسیون

اپلیکیشن‌های چندصفحه‌ای

• ساخت اپلیکیشن‌های بزرگ با چندین صفحه
• پروژه‌ Capstone - آموزش و رنکینگ مدل‌های طبقه‌بندی

احراز هویت

• افزودن لایه‌ امنیتی با احراز هویت
• افزودن کامپوننت‌های لاگین و خروج از سیستم
• احراز هویت پیشرفته با مدیریت کاربر، ریست پسورد و غیره
• پروژه‌ Capstone - استقرار مدل خوشه‌بندی برای بازاریابی

اتصال به منابع داده

• اتصال به پایگاه‌ داده‌ها
• دسترسی به داده‌ از طریق APIs
• پروژه‌ Capstone - استقرار مدل تقاضای فروش

استقرار

• استقرار اپلیکیشن Streamlit به‌طور رایگان
• فرآیند استقرار پیشرفته با مدیریت secrets و متغیرهای محیط

این دوره برای چه کسانی مناسب است؟

• دانشمندان داده و مهندسان یادگیری ماشین که به دنبال استقرار مدل‌ها و داشبوردهای یادگیری ماشین هستند.