Clase magistral práctica de Streamlit para Snowflake

Resumen

Profundiza en Streamlit, desde la aplicación web local hasta Streamlit en Snowflake y Aplicaciones Nativas. Lo que aprenderás:

Construir, depurar y desplegar aplicaciones impulsadas por datos con Streamlit.

Desplegar aplicaciones web de Streamlit en Snowflake, como Apps Streamlit en Snowflake. Compartir y desplegar aplicaciones web de Streamlit como Aplicaciones Nativas de Snowflake.

Desplegar código Python con Snowpark como procedimientos almacenados y UDFs de Snowflake. Conectar a Snowflake desde una aplicación web de Streamlit.

Construir aplicaciones reales con Streamlit y Snowflake. Diseñar y desplegar en Snowflake aplicaciones de ciencia de datos, análisis de datos y ML con Streamlit.

Procesar y acceder a datos jerárquicos y metadatos en Snowflake. Por qué puedes confiar en mí:

Fui el único experto técnico de Snowflake de Canadá seleccionado para su programa de Héroes de Datos en enero de 2022.

Antiguo SME (Experto en la Materia) para la Certificación SnowPro:

muchas preguntas de examen fueron creadas por mí. He aprobado cuatro exámenes de certificación SnowPro hasta la fecha (sin repeticiones):

Core, Arquitecto, Ingeniero de Datos, Analista de Datos.

Docenas de otras certificaciones en Ciencia de Datos y Aprendizaje Automático, Arquitecturas de Soluciones en la Nube, Bases de Datos, etc. Docenas de aplicaciones diseñadas e implementadas con Streamlit y Snowflake en mi blog en Medium.

Especializado en Snowflake durante varios años, he servido a docenas de clientes e implementado muchos proyectos reales. Lo que aprenderás:

Cómo crear aplicaciones web simples a complejas en Streamlit.

Cómo desplegar gratuitamente aplicaciones web locales de Streamlit en el Streamlit Community Cloud. Cómo conectar a Snowflake desde aplicaciones de Streamlit, a través del Conector de Python o una sesión de Snowpark.

Cómo usar la API de DataFrame y enviar código Python como procedimiento almacenado con Snowpark. Cómo extender las capacidades de Snowflake, con un visor de datos jerárquico y un visor de metadatos jerárquicos.

Cómo prototipar con aplicaciones Streamlit escenarios de ciencia de datos, aprendizaje automático y análisis de datos. Cómo desplegar una aplicación web de Streamlit como una App Streamlit en Snowflake.

Cómo desplegar una aplicación web de Streamlit como una Aplicación Nativa de Snowflake. Cómo usar el Marco de Aplicaciones Nativas de Snowflake para construir o usar aplicaciones con Streamlit.

Construiremos varias aplicaciones en Python desde cero, luego las convertiremos en aplicaciones web de Streamlit locales de una o varias páginas, las desplegaremos y compartiremos en el Streamlit Community Cloud, las desplegaremos en Snowflake como procedimientos almacenados o Aplicaciones Streamlit, las compartiremos como Aplicaciones Nativas con otras cuentas de Snowflake... Áreas de Streamlit que aprenderás:

Controles de Entrada y Salida (Widgets Interactivos, Controles de Visualización de Texto, etc.).

Componentes de Diseño (barra lateral, contenedor, expansor, pestañas, etc.) y Formularios. Eventos y Reinicios de Página.

Almacenamiento en Caché de Datos, Estado de Sesión y Callbacks. Themática y Configuración, Secretos TOML.

La primera mitad del curso será un bootcamp completo de Streamlit de extremo a extremo, con todo lo que necesitas saber sobre Streamlit. Áreas de Snowflake que aprenderás:

Crear una cuenta gratuita de Snowflake y usar la interfaz web de Snowflake a nivel básico.

Conectar a Snowflake con SnowSQL, y ejecutar scripts SQL con esta interfaz de línea de comandos. Conectar a Snowflake con el Conector de Snowflake para Python.

Conectar a Snowflake con Snowpark para Python. Usar Snowpark para enviar código Python como procedimientos almacenados.

Usar Snowpark para generar consultas SQL con la API de DataFrame. Escribir y desplegar aplicaciones Streamlit en Snowflake.

Escribir y desplegar Aplicaciones Nativas de Snowflake, con el Marco de Aplicaciones Nativas de Snowflake. Integrar Snowflake con ChatGPT, tableros externos, bibliotecas de ciencia de datos y aprendizaje automático.

La segunda mitad del curso se centrará en las aplicaciones cliente de Snowflake, Snowpark, Apps Streamlit en Snowflake y Aplicaciones Nativas. Lo que NO está incluido en este curso:

Conocimiento profundo de Snowflake.

Ciencia de datos, análisis de datos y aprendizaje automático en profundidad. Programación en lenguajes distintos de Python y SQL.

El enfoque principal estará en todo tipo de aplicaciones en Python usando Streamlit, para conectar y desplegar el código al Streamlit Cloud o Snowflake de todas las formas posibles. Aplicaciones reales que aprenderás a construir:

Visor de Datos Jerárquicos, para archivos CSV y datos tabulares de Snowflake, usando JSON, gráficos, animaciones, consultas recursivas.

Visor de Metadatos Jerárquico, para dependencias de objetos de Snowflake y linaje de datos. Visor de Diagramas de Entidades-Relaciones para Snowflake.

Agente de Chatbot con ChatGPT de OpenAI, usado como generador de consultas SQL para conjuntos de datos del Snowflake Marketplace. Tableros para datos de Snowflake, con gráficos Vega-Lite, Altair y Plotly.

Escenarios de Aprendizaje Automático, con Entrenamiento de Modelos y Predicciones. Enriquecimiento de datos de direcciones IP usando servicios externos gratuitos.

¡He vendido herramientas similares a estas a clientes reales y socios de Snowflake! ¡Inscríbete hoy, para conservar este curso para siempre!

Programa de estudio

• Introducción al Curso
Visión general de Streamlit y Snowflake
Objetivos del curso
Requisitos previos
• Configuración de tu Entorno
Instalación de Streamlit
Creación de una cuenta de Snowflake
Conectar Streamlit a Snowflake
• Fundamentos de Streamlit
Introducción a las características de Streamlit
Creación de tu primera aplicación en Streamlit
Comprensión de la API de diseño de Streamlit
• Introducción a Snowflake
Arquitectura y características clave de Snowflake
Operaciones básicas con Snowflake
Carga y consulta de datos en Snowflake
• Integración de Streamlit y Snowflake
Construcción de un panel de datos interactivo
Obtención de datos en tiempo real desde Snowflake
Visualización de datos de Snowflake con componentes de Streamlit
• Características Avanzadas de Streamlit
Personalización de aplicaciones Streamlit con widgets
Despliegue y compartición de aplicaciones Streamlit
Técnicas de optimización del rendimiento
• Técnicas Avanzadas de Snowflake
Conceptos de almacenamiento de datos en Snowflake
Uso de extensiones SQL de Snowflake
Seguridad y control de acceso en Snowflake
• Estudio de Caso: Construcción de una Aplicación de Datos
Descripción general del proyecto y requisitos
Implementación práctica con Streamlit y Snowflake
Análisis y visualización de datos en tiempo real
• Mejores Prácticas y Consejos
Mejores prácticas en desarrollo con Streamlit
Manejo eficiente de datos en Snowflake
Resolución de problemas comunes
• Conclusión del Curso
Resumen de aprendizajes clave
Presentación del proyecto final
Pasos futuros y recursos adicionales
• Sesión de Preguntas y Respuestas y Comentarios Finales

Enseñado por

Cristian Scutaru

Asignaturas

Negocios