Enable javascript in your browser for better experience. Need to know to enable it? Go here.
Última actualización : Apr 13, 2021
NO EN LA EDICIÓN ACTUAL
Este blip no está en la edición actual del Radar. Si ha aparecido en una de las últimas ediciones, es probable que siga siendo relevante. Si es más antiguo, es posible que ya no sea relevante y que nuestra valoración sea diferente hoy en día. Desgraciadamente, no tenemos el ancho de banda necesario para revisar continuamente los anuncios de ediciones anteriores del Radar. Entender más
Apr 2021
Probar ? Vale la pena intentarlo. Es importante entender cómo construir esta habilidad. Las empresas deberían implementar esta tecnología en un proyecto que pueda manejar el riesgo.

Streamlit es un marco de trabajo de código abierto para Python usado por científicas de datos para construir aplicaciones interactivas de datos. La personalización de los modelos de aprendizaje automático requiere de tiempo; en vez de tener que lidiar con la aplicación principal (la que usa los modelos), hemos visto que es valioso crear rápidamente prototipos autónomos en Streamlit y obtener retroalimentación durante los ciclos de experimentación. Streamlit se destaca de competidores como Dash por su foco en el prototipado rápido y por el soporte a una amplia variedad de bibliotecas de visualización, como Plotly y Bokeh. Lo estamos usando en algunos proyectos y nos gusta cómo podemos crear visualizaciones interactivas con muy poco esfuerzo.

Oct 2020
Evaluar ? Vale la pena explorarlo con el objetivo de entender cómo afectará a tu empresa.

Streamlit es un framework de código abierto para Python utilizado por especialistas en ciencia de datos para construir aplicaciones de visualización de datos que tengan un excelente aspecto. Streamlit destaca sobre competidores como Dash por su foco en el prototipado rápido y por el soporte a una amplia variedad de bibliotecas de visualización, como por ejemplo Plotly y Bokeh. Esta herramienta es una excelente alternativa si se necesita realizar presentaciones rápidas durante el ciclo de experimentación. En ThoughtWorks la estamos utilizando en algunos proyectos y nos encanta la manera en que podemos construir visualizaciones interactivas con muy poco esfuerzo.

Publicado : Oct 28, 2020
Radar

Descargar Radar Tecnológico Volumen 26

 

English | Español | Português | 中文

Radar

Mantente informada sobre Tecnología

 

Suscríbete ahora

Visita nuestro archivo para leer los volúmenes anteriores