A tu propio ritmo

Explora nuestra extensa colección de cursos diseñados para ayudarte a dominar varios temas y habilidades. Ya seas un principiante o un aprendiz avanzado, aquí hay algo para todos.

Bootcamp

Aprende en vivo

Únete a nosotros en nuestros talleres gratuitos, webinars y otros eventos para aprender más sobre nuestros programas y comenzar tu camino para convertirte en desarrollador.

Próximos eventos en vivo

Catálogo de contenidos

Para los geeks autodidactas, este es nuestro extenso catálogo de contenido con todos los materiales y tutoriales que hemos desarrollado hasta el día de hoy.

Tiene sentido comenzar a aprender leyendo y viendo videos sobre los fundamentos y cómo funcionan las cosas.

Buscar en lecciones


IngresarEmpezar

Regístrate en 4Geeks

← Volver a Proyectos

Tutorial de Pagina Web de ML con Streamlit

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

  • Buscar y comprender un dataset nuevo o utilizar el modelo del proyecto anterior.
  • Integrarlo en Render usando una aplicación basada en Streamlit.

🌱 Cómo iniciar este proyecto

Sigue las siguientes instrucciones:

  1. Crea un nuevo repositorio basado en el proyecto de Machine Learning o haciendo clic aquí.
  2. Abre el repositorio creado recientemente en Codespace usando la extensión del botón de Codespace.
  3. Una vez que el VSCode del Codespace haya terminado de abrirse, comienza tu proyecto siguiendo las instrucciones a continuación.

🚛 Cómo entregar este proyecto

Una vez que hayas terminado de resolver el caso práctico, asegúrate de confirmar tus cambios, haz push a tu repositorio y ve a 4Geeks.com para subir el enlace del repositorio.

📝 Instrucciones

Paso 1: Entrena un nuevo modelo o elige el del proyecto anterior

En el módulo de despliegue con Flask buscamos un conjunto de datos y entrenamos un modelo que posteriormente utilizamos en una aplicación web desarrollada en Flask y que desplegamos en Render. En este proyecto puedes utilizar el mismo modelo y cambiar únicamente la aplicación web, o buscar otro conjunto de datos y entrenar un nuevo modelo.

Paso 2: Desarrolla una aplicación web usando Streamlit

Con los conocimientos adquiridos en este módulo, desarrolla una interfaz para poder utilizar el modelo. Dale el estilo que más te convenga y anota los recursos externos que hayas utilizado para el desarrollo.

Paso 3: Integra el modelo y la aplicación en Render

Crea un servicio gratuito en Render e integra el trabajo que has hecho para poder desplegar la aplicación web en línea. No olvides de incluir el enlace al servicio en tu repositorio.

Regístrate para obtener acceso a proyectos similares

Lo usaremos para darte acceso a la comunidad.
¿Ya tienes una cuenta? Inicia sesión aquí.

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

Regístrate para obtener acceso a proyectos similares

Lo usaremos para darte acceso a la comunidad.
¿Ya tienes una cuenta? Inicia sesión aquí.

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science

Dificultad

  • easy

Duración promedio

1 hrs

Tecnologías

  • python

  • flask

  • machine-learning

  • datas-science