Build a Machine Learning Web App with Streamlit and Python

4.7
звезд
Оценки: 167
от партнера
Coursera Project Network
4,059 уже зарегистрированы
В этом Проект с консультациями вы:

Build interactive web applications with Streamlit and Python

Train Logistic Regression, Random Forest, and Support Vector Classifiers using scikit-learn

Plot evaluation metrics for binary classification algorithms

Clock1.5 hours
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

Welcome to this hands-on project on building your first machine learning web app with the Streamlit library in Python. By the end of this project, you are going to be comfortable with using Python and Streamlit to build beautiful and interactive ML web apps with zero web development experience! We are going to load, explore, visualize and interact with data, and generate dashboards in less than 100 lines of Python code! Our web application will allows users to choose what classification algorithm they want to use and let them interactively set hyper-parameter values, all without them knowing to code! Prior experience with writing simple Python scripts and using pandas for data manipulation is recommended. It is required that you have an understanding of Logistic Regression, Support Vector Machines, and Random Forest Classifiers and how to use them in scikit-learn. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

Data ScienceMachine LearningPython ProgrammingStreamlitScikit-Learn

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Project Overview and Demo

  2. Turn Simple Python Scripts into Web Apps

  3. Load the Mushrooms Data Set

  4. Creating Training and Test Sets

  5. Plot Evaluation Metrics

  6. Training a Support Vector Classifier

  7. Training a Support Vector Classifier (Part 2)

  8. Train a Logistic Regression Classifier

  9. Training a Random Forest Classifier

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Преподаватели

Рецензии

Лучшие отзывы о курсе BUILD A MACHINE LEARNING WEB APP WITH STREAMLIT AND PYTHON

Посмотреть все отзывы

Часто задаваемые вопросы

Часто задаваемые вопросы

  • Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.

  • Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.

  • Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.

  • Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.

  • Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.

  • Финансовая помощь недоступна для проектов с рекомендациями.

  • Прослушивание недоступно для проектов с консультациями.

  • В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.

  • Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.

  • Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.

Остались вопросы? Посетите Центр поддержки учащихся.