Tutorial de Pagina Web de ML con Streamlit

• 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.