Desarrollar una aplicación web de ML con PyCaret y Streamlit
Desarrollar un modelo de ML con Pycaret
Desarrollar una aplicación web con Streamlit
Desplegar en un servidor un modelo de ML embebido en una aplicación web
Este proyecto es un curso práctico para crear una aplicación web con un modelo de aprendizaje automático. Aprenderemos desde las bases a utilizar librerías y herramientas como Pycaret, Streamlit, Heroku y GitHub, entre otros. Gracias a este curso desarrollarás tu propio modelo de ML y página web y lo desplegarás en un servidor de Heroku.
Навыки, которые вы получите
- Machine Learning
- Streamlit
- PyCaret
- Heroku
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Introducción y herramientas
Fundamentos de Pycaret
Entrenamiento y validación del modelo con Pycaret
Creación de la aplicación web con Streamlit
Despliegue del código en Git y Heroku
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
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
