Streamlit для Data Science

Содержание книги "Streamlit для Data Science : создаем интерактивные приложения в Python"

Часть I. Создание простых приложений Streamlit
Глава 1. Введение в Streamlit
Почему именно Streamlit
Установка Streamlit
Организация приложений Streamlit
Демонстрация построения графиков с помощью Streamlit
Создание приложения с нуля
Использование пользовательского ввода в приложениях Streamlit
Последние штрихи: добавляем текст в Streamlit
Выводы
Глава 2. Загрузка, скачивание и работа с данными
Исследуем набор Пингвины Палмера
Управление потоком в Streamlit
Отладка приложений Streamlit
Разработка в Streamlit
Исследуем в Jupyter, а затем копируем в Streamlit
Операции с данными в Streamlit
Пробуем Altair
Введение в кеширование
Сохранение состояния сеанса (session state)
Выводы
Глава 3. Визуализация данных
Новый набор данных Деревья Сан-Франциско
Варианты использования визуализации Streamlit
Встроенные графические функции Streamlit
Встроенные возможности визуализации в Streamlit
Plotly
Matplotlib и Seaborn
Bokeh
Altair
PyDeck
Выводы
Глава 4. Машинное обучение с помощью Streamlit
Стандартный процесс создания модели машинного обучения
Прогнозирование видов пингвинов
Использование предварительно обученной модели машинного обучения в Streamlit
Обучение моделей внутри приложений
Понимание результатов машинного обучения
Интеграция внешней библиотеки машинного обучения в Streamlit на примере библиотеки Transformers от Hugging Face
Интеграция внешней библиотеки машинного обучения в Streamlit на примере OpenAI
Аутентификация с помощью OpenAI
Стоимость API OpenAI
Streamlit и OpenAI
Выводы
Глава 5. Развертывание приложений с помощью Streamlit Community Cloud
Начало работы с Streamlit Community Cloud
Краткое руководство по GitHub
Развертывание с помощью Streamlit Community Cloud
Отладка Streamlit Community Cloud
Секреты Streamlit
Выводы
Часть II. Создание сложных приложений Streamlit
Глава 6. Улучшение интерфейса приложений Streamlit
Начало работы с набором данных Деревья Сан-Франциско
Работа с колонками в Streamlit
Настройка конфигурации страницы
Использование боковой панели Streamlit
Выбор цвета с помощью палитры цветов
Использование тем Streamlit
Многостраничные приложения
Редактируемые датафреймы
Выводы
Глава 7. Знакомство с компонентами Streamlit
Обмен программным кодом с помощью streamlit-embedcode
Редактирование датафреймов с помощью streamlit-aggrid
Детализация графиков Plotly с помощью streamlit-plotly-events
Размещение анимаций в приложениях с помощью streamlit-lottie
Разведочный анализ с помощью streamlit-pandas-profiling
Создание интерактивных карт с помощью streamlit-folium
Использование вспомогательных мини-функций с помощью streamlit-extras
Поиск дополнительных компонентов
Выводы
Глава 8. Развертывание Streamlit-приложений с помощью Hugging Face
Выводы
Глава 9. Подключение к базе данных Snowflake
Подключение к Snowflake с помощью Streamlit
Улучшение организации подключений
Улучшение организации запросов и интерфейса приложения
Выводы
Часть III. Примеры использования Streamlit
Глава 10. Использование Streamlit в пет-проектах и тестовых заданиях для соискателей
Использование Streamlit в качестве доказательства, подтверждающего наличие навыков работы с данными
Машинное обучение – приложение Пингвины Палмера
Визуализация – приложение Прекрасные деревья
Использование Streamlit в тестовых заданиях при приеме на работу
Задания
Выполнение задания 1
Выполнение задания 2
Выводы
Глава 11. Прототипирование проектов в Streamlite
Идеи для проектов data science
Сбор и чистка данных
Создание MVP
Сколько книг я читаю каждый год
Сколько времени мне потребуется, чтобы закончить читать начатую книгу
Каков объем книг, которые я прочитал
Каков «возраст» книг, которые я прочитал
Какой рейтинг я ставлю книгам в сравнении с другими пользователями Goodreads
Итеративное улучшение
Улучшение внешнего вида с помощью анимации
Организация приложения с использованием широкого формата, дополнительных статистик, колонок и сопроводительного текста
Хостинг и продвижение
Выводы
Глава 12. Использование библиотеки прогнозирования временных рядов ETNA в Streamlit
Пишем программный код приложения
Работа с приложением
Загрузка и визуализация данных
Определение горизонта прогнозирования
Преобразования зависимой переменной
Конструирование признаков
Список экземпляров классов, выполняющих преобразования зависимой переменной и создающих признаки
Итоговый набор
Обучение базовой модели
Оценка качества и визуализация прогнозов базовой модели
Перекрестная проверка
Оценка качества и визуализация прогнозов по итогам перекрестной проверки
Оптимизация гиперпараметров
Получение прогнозов для новых данных
Запись прогнозов для новых данных в CSV-файл
Работа с экзогенными переменными
Подготавливаем наборы с экзогенными переменными
Прогнозируем, используя подготовленные наборы экзогенных переменных
Развертывание приложения на платформе Streamlit Community Cloud
Глава 13. Интервью с опытными пользователями Streamlit
Интервью #1 – Фанило Андрианасоло (интервью 2021 года, для первого издания)
Интервью #2 – Фанило Андрианасоло (интервью 2023 года)
Интервью #3 – Йоханнес Рике
Интервью #4 – Эдриен Трейль (интервью 2021 года, для первого издания)
Интервью #5 – Эдриен Трейль (интервью 2023 года)
Интервью #6 – Чарли Варнье
Интервью #7 – Джерард Бентли
Интервью #8 – Арно Мирибель и Закари Блэквуд
Интервью #9 – Юитиро Татибана
Выводы