369 classificações
10.675 já se inscreveram
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
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.
Data Science
Machine Learning
Python Programming
Streamlit
Scikit-Learn
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Project Overview and Demo
Turn Simple Python Scripts into Web Apps
Load the Mushrooms Data Set
Creating Training and Test Sets
Plot Evaluation Metrics
Training a Support Vector Classifier
Training a Support Vector Classifier (Part 2)
Train a Logistic Regression Classifier
Training a Random Forest Classifier
Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download
Em um vídeo de tela dividida, seu instrutor te orientará passo a passo
por JA
15 de jul de 2020Great Course from Snehan Kekre.
Highly recommended to machine learning professionals and students.
Thank you very much!
por JJ
2 de jun de 2020Great course. Wish there was a lesson on cloud server deployment.
por SH
2 de jun de 2020A great introductory guided project that fueled my enthusiasm for data science and machine learning with knowledge and practical skills.
por KO
11 de out de 2020Sk / learning , pandas introduction being introduced with python web application for building a machine.
Ao comprar projetos guiados, você recebe tudo o que precisa para completá-los, inclusive acesso a um espaço de trabalho de área de trabalho na nuvem por meio do seu navegador web, que contém o software e os arquivos necessários para iniciar, além de um vídeo de instruções passo a passo de um especialista no assunto.
Como seu espaço de trabalho tem uma área de trabalho na nuvem dimensionada para notebooks e computadores desktop, os projetos guiados não estão disponíveis para dispositivos móveis.
Os instrutores do projeto guiado são especialistas no assunto, têm experiência com a habilidade, a ferramenta ou o domínio do projeto e amam compartilhar seus conhecimentos para ajudar milhões de aprendizes do mundo todo.
Você pode baixar e manter todos os arquivos que foram criados para seu projeto guiado. Para fazer isso, você pode usar o recurso "Navegador de arquivos" enquanto acessa a área de trabalho na nuvem.
Reembolsos não estão disponíveis para projetos guiados. Consulte nossa política de reembolso completa.
Não há auxílio financeiro disponível para projetos guiados.
A participação como ouvinte não está disponível para projetos guiados.
Na parte superior da página, você pode clicar no nível de experiência deste projeto guiado para visualizar os pré-requisitos de conhecimento. Em cada nível dos projetos guiados, seu instrutor o guiará passo a passo.
Sim, tudo o que você precisa para completar o projeto guiado estará disponível em uma área de trabalho na nuvem disponível no seu navegador.
Você aprenderá na prática ao completar tarefas em um ambiente com tela dividida, diretamente em seu navegador. No lado esquerdo da tela, você completa a tarefa no seu espaço de trabalho. No lado direito, você assiste a um instrutor que o guiará pelo projeto, passo a passo.
Mais dúvidas? Visite o Central de Ajuda ao estudante.
