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!
Build a Machine Learning Web App with Streamlit and Python
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant
Build a Machine Learning Web App with Streamlit and Python
Instructeur : Snehan Kekre
16 094 déjà inscrits
Inclus avec
Apprendre, pratiquer et appliquer des compétences professionnelles grâce à des conseils d’experts
4.7
(417 avis)
niveau Intermédiaire
Expérience recommandée
1.5 hours
Apprenez à votre propre rythme
Un apprentissage pratique
Ce que vous apprendrez
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
Compétences que vous pratiquerez
- Catégorie : Model Training
- Catégorie : Machine Learning
- Catégorie : Model Evaluation
- Catégorie : Model Optimization
- Catégorie : Data Visualization Software
- Catégorie : Predictive Modeling
- Catégorie : Machine Learning Algorithms
- Catégorie : Logistic Regression
- Catégorie : Data Science
- Catégorie : Applied Machine Learning
- Catégorie : Fine-tuning
- Catégorie : Plot (Graphics)
- Catégorie : Dashboard Creation
- Catégorie : Interactive Data Visualization
Outils que vous utiliserez
- Catégorie : Pandas (Python Package)
- Catégorie : Scikit Learn (Machine Learning Library)
- Catégorie : Python Programming
- Catégorie : Web Applications
- Catégorie : Classification Algorithms
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Enseigné en Anglais
Aucun téléchargement ou installation requis(e)
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Apprendre, pratiquer et appliquer des compétences prêtes à l’emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents
À propos de ce Projet Guidé
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
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
Expérience recommandée
You must understand Logistic Regression, Support Vector Machines, and Random Forest Classifiers and how to use them as scikit-learn estimators
5 images de projet
Instructeur
Évaluations de l’enseignant
(27 évaluations)11 Cours127 266 apprenants
Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
- 5 stars
73,38 %
- 4 stars
22,06 %
- 3 stars
3,59 %
- 2 stars
0,23 %
- 1 star
0,71 %
Affichage de 3 sur 417
EK
Révisé le 11 oct. 2020
Sk / learning , pandas introduction being introduced with python web application for building a machine.
PA
Révisé le 16 août 2020
Very good guided course. I learned how to create a Web App without much coding for my ML projects. Thanks for explaining everything in so easy way.
PP
Révisé le 22 juin 2020
Use of evaluation metrics and plotting looks good, but if used plotting function (scatter plot of x-test and y-test) can be easy to view and understand the plot
