Hiç elektronik tablo işinden anlamayan birine elektronik tablo anlatmaya çalıştınız mı? Gözleri "pivot" ile "D Sütunu neden gizli?" arasında bir yerde donup kalır. Şimdi, JavaScript, CSS veya karanlık sanatları öğrenmeden, o elektronik tabloyu dost canlısı küçük bir web uygulamasına dönüştürebildiğinizi hayal edin—düğmeler! kaydırıcılar! bir kaydırıcıyı oynattığınızda dans eden grafikler!—işte bu, komut dosyalarını, bir smoothie makinesinin meyveyi kahvaltıya dönüştürmesi gibi, paylaşılabilir uygulamalara dönüştüren Python kütüphanesi Streamlit.
Ancak işin püf noktası şu: "En iyi Streamlit eğitimleri" diye aratırsanız, yarı Hogwarts, yarı Ikea kılavuzu olan bir tavşan deliğine düşersiniz. Hangileri patronunuza Pazartesi gününe kadar gösterebileceğiniz bir şey inşa etmenize gerçekten yardımcı oluyor? En iyi Streamlit eğitimlerini—beceri düzeyine ve ne inşa edeceğinize göre—haritalandırmak için belgeler, videolar, topluluk kılavuzları ve birkaç "bu patatesle kaydedildi" YouTube videosu arasında bir hafta geçirdim.
İşte kullanıcı dostu, Pogue tarzı saha rehberiniz: ne ile başlayacağınız, bundan sonra ne izleyeceğiniz, hangi örneklerin Streamlit güncellendiğinde bozulmayacağı ve bir Labrador'un çorapla yaptığı gibi zamanı yiyen tuzaklardan nasıl kaçınacağınız.
Açık İngilizce ile Streamlit tam olarak nedir?
Streamlit, veri komut dosyalarınızı alan ve bunları anında bir arayüze saran bir Python kütüphanesidir. Bir Flask uygulaması yazmak veya React ile uğraşmak yerine, kodunuza st.button, st.slider, st.line_chart gibi Streamlit çağrıları serpiştirirsiniz ve işte—paylaşılabilir bir web uygulamanız olur.
- Streamlit web sayfasını yönetir.
- Bir bağlantı paylaşırsınız. Patronunuz size ekran görüntüleri göndermeyi bırakır.
En İyi Streamlit Eğitimleri: Derlenmiş, saçmalıklardan arındırılmış bir liste
En iyi Streamlit eğitimlerini katmanlara ayırdım. Şeridinizi seçin; iddialıysanız karıştırıp eşleştirin.
Katman 1: Tamamen Yeni Başlayanlar (60–90 dakikada İlk Uygulama)
- Resmi "Streamlit'i kullanmaya başlama" belgeleri
Neden harika: Güncel, doğru ve Streamlit ekibi tarafından tasarlandı. Streamlit'i kuracak, yeniden çalıştırma modelinin nasıl çalıştığını öğrenecek (spoiler: komut dosyası her etkileşimde yukarıdan aşağıya çalışır) ve küçük, tatmin edici bir uygulama oluşturacaksınız. Başka herhangi bir şeyden önce buradan başlayın. "Bir şeyler inşa ettim" anına giden en kısa yol burası.
- Resmi "Bir uygulama oluştur" eğitimi
Neden harika: Bir Uber alım veri kümesini keşfeden gerçek bir uygulama oluşturacaksınız. Çeviri: net açıklamalar ve gerçekten çalışan kopyala-yapıştır parçalarıyla, widget'ları, grafikleri, haritaları ve önbelleğe almayı iş başında göreceksiniz. Görsel bir öğreniciyseniz, bu hızlıca yerine oturur.
- Streamlit Eğitimleri dizini
Neden harika: Rehberli projelerin merkezi: kimlik doğrulama, veritabanları, dosya yüklemeleri, gelişmiş düzen ve daha fazlası. Bir lokantadaki menü gibi—kreplerle başlayın, ekstra jalapenolu omlete geçin.
Katman 1'den sonra yapabilecekleriniz:
- Bir Python komut dosyasından çalışan bir uygulama oluşturun.
- Widget'lar (kaydırıcılar, seçimler, düğmeler) ekleyin, grafikler oluşturun ve verileri önbelleğe alın.
- Komut dosyanızın neden "yeniden çalıştığını" ve dizüstü bilgisayarınızı fırlatmadan durumu nasıl koruyacağınızı anlayın.
Katman 2: Başlangıçtan Orta Seviyeye (Kullanışlı hale getirin, güzel hale getirin)
4) "Tek Kursta Streamlit'te Uzmanlaşın – 4 Gerçek Proje Dahil" (video)
Neden harika: Proje tabanlı öğrenme işe yarar. Bu kurs sizi temel bilgilerden veritabanlarını bağlamaya ve daha gelişmiş kalıplara kadar taşır. Sadece düğmeleri olan bir komut yazarı değil, gerçek bir uygulama geliştiricisi gibi hissetmek istiyorsanız, bu hızlı şerittir.
- "Eksiksiz Streamlit Eğitimi: Sıfırdan Üretime Hazır" (makale)
Neden harika: 2025'te gösterge panoları oluşturma ve ödünleşimler hakkında dürüst, modern bir genel bakış. Paketleme, dağıtım ve diğer araçlara ne zaman ulaşılacağı konusunda taktikler edineceksiniz. Eğer şunu düşünüyorsanız: "Streamlit gerçek kullanımda dayanacak mı?"—bu sizin gerçeklik kontrolünüz.
- Bir Streamlit süper kullanıcısından en iyi uygulamalar konuşması (video)
Neden harika: Kalıplar, kalıplar, kalıplar. Profesyonellerin uygulamaları nasıl yapılandırdığını, performansı nasıl yönettiğini ve UX'i nasıl geliştirdiğini öğreneceksiniz. Komşunuzun kusursuz garajına göz atmak ve sizin de etiketli kutuları hak ettiğinize karar vermek gibi.
Katman 2'den sonra yapabilecekleriniz:
- Temiz yapıya sahip çok sayfalı uygulamalar oluşturun.
- Spagetti olmadan uygulama durumunu yönetin.
- Önbelleğe alma ve veri stratejileri ile yavaş uygulamaları hızlandırın.
- Zihinsel bir kontrol listesiyle güvenle dağıtın.
Katman 3: Pratik, Gerçek Dünya Projeleri (Ekibinize havalı bir şey gösterin)
7) Yapay zeka + Streamlit ile ses transkripsiyon uygulaması (video)
Neden harika: Sağlam bir "AI meets UI" örneği: dosya yükleme, model çağrısı, sonuç görüntüleme. Bir transkripsiyon uygulaması oluşturmasanız bile, herhangi bir yapay zeka özellikli proje için kalıplar çalacaksınız—ilerleme çubukları, hata işleme, uzun süren görevler.
- Veri temizleme, görselleştirme ve dosya dönüştürmeyi birleştiren uygulamalı uygulama demoları
Neden harika: Gerçek dünya faydası. Çirkin verileri kabul eden, temizleyen, görselleştiren ve tam olarak patronunuzun istediği biçimde (CSV'den Excel'e, değil mi?) dışa aktaran uygulamalar. "Ekibimin manuel işlerinin yarısını tıklayabilecekleri bir gösterge panosuyla gerçekten değiştirebilirim"e doğru kendinden emin bir adım.
Hızlı bir sapma: Streamlit'in muhteşem olduğu ve olmadığı yerler
Mükemmel olduğu yerler:
- Gerçek uygulamalar gibi hissettiren hızlı prototipler.
- Ekibinizin gerçekten kullanabileceği dahili araçlar ve gösterge panoları.
- Veri bilimi demoları: grafikler, haritalar, model kaydırıcılar, "ne olurdu?" deneyleri.
O kadar da muhteşem olmadığı yerler:
- Ağır kimlik doğrulama, roller ve kurumsal iş akışlarına sahip karmaşık çok kullanıcılı uygulamalar.
- Piksel mükemmel, sanatsal ön uçlar.
- Etrafında bazı ekstra mühendislik olmadan devasa, yüksek eş zamanlılıkta genel uygulamalar.
Uygulamanız "Python kodu üzerinde kullanıcı dostu bir kullanıcı arayüzüne ihtiyacımız var" ise, Streamlit bir rüyadır. Uygulamanız "Airbnb'yi yeniden inşa ediyoruz" ise, belki de değildir.
Streamlit zihinsel modeline nazik bir tur
Geleneksel web yığınlarından geliyorsanız, Streamlit ilk başta... garip gelir. Rotaları ve şablonları bağlamazsınız; kullanıcının her etkileşiminde kendini yeniden çizen bir Python komut dosyası yazarsınız.
- Komut dosyası her etkileşimde yukarıdan aşağıya çalışır.
- Widget değerleri her çalıştırmada okunur.
- Çalışmalar arasında seçimleri hatırlamak için oturum durumunu kullanın.
- Uygulamanızın yavaşlamaması için pahalı işleri (veri indirme, modelleri yükleme) önbelleğe alın.
Bunu, hedef kitlenizin tıklamalarına göre kendini güncelleyen bir PowerPoint gibi düşünün—ancak kutuları sürüklemek yerine slaytları Python ile kontrol edersiniz.
Yaparak öğrenme yolu: bu hafta sonu inşa edin, Pazartesi günü etkileyin
İşte pratik, atıştırmalık bir müfredat—en fazla iki öğleden sonra.
Cumartesi sabahı: İlk uygulamanız ve "aha" anları
- Streamlit'i kurun ve Merhaba uygulamasını çalıştırın. Basit bir kullanıcı arayüzü ve grafik oluşturmak için resmi "Başlarken" kılavuzunu izleyin. Bu, en taze gerçek kaynağıdır.
- "Bir uygulama oluştur" boyunca çalışın—Uber alımları, haritalar, filtreler. Gelecekteki benliğinizin şükran gözyaşları dökmesini sağlayacak olan st.cache_data'ya dokunacaksınız.
Cumartesi öğleden sonra: Gerçekten kullanacağınız widget'lar ve düzen
- Kontrolleri ana akıştan çıkarmak için st.sidebar ekleyin.
- Küçük bir veri temizleme paneli yapın: CSV için file_uploader, sütun seçimi için bir selectbox, NA'yı bırakmak veya başlıkları küçük harfe çevirmek için onay kutuları ve sonuçları dışa aktarmak için bir düğme. CSV'yi Excel'e dönüştüren yardımcı uygulamalar gibi örnekleri kullanın.
- İlerlemeyi göstermeyi öğrenin: st.progress, st.spinner ve st.status mesajları. İnsanlar sessiz ekranlara bakmaktan nefret eder.
Pazar sabahı: Çok sayfalı ve duruma geçin
- Uygulamanızı sayfalara ayırın. Bir "Veri" sayfası, bir "Görselleştir" sayfası ve bir "Dışa Aktar" sayfası oluşturun. Çok fazla çalışmadan profesyonel görünmenizi sağlar.
- Kullanıcı etrafta dolaşırken seçimleri (seçilen sütunlar, filtreler) hatırlamak için st.session_state'i kullanın.
- Veri getiren veya bir model yükleyen herhangi bir fonksiyona bir önbelleğe alma dekoratörü ekleyin.
Pazar öğleden sonra: Dağıtım ve cilalama
- Bir barındırma hizmetine veya bir konteynere dağıtın; bir requirements.txt ekleyin.
- Dostça onaylar için st.toast ve koruma rayları için st.error ekleyin.
- Bonus: Küçük bir yapay zeka eylemini—bir tabloyu özetleme, dağınık metni temizleme veya sütun adlarından otomatik olarak grafik başlıkları oluşturma—gömme, "güzel bir uygulama"yı "göz kamaştırıcı"ya dönüştürür. Yapay zeka destekli transkripsiyon kılavuzu, uzun işlemleri işleme ve sonuçlar geldiğinde kullanıcı arayüzünü güncelleme kalıbını gösterir.
Kontrol listesi: Sonsuza kadar size geri ödeyecek beş Streamlit kavramı
- Widget'lar değişkendir: Değerlerini saklayın ve yeniden kullanın.
- Önbelleğe alma oksijendir: Veri yüklemelerini, model yüklemelerini ve uzun hesaplamaları önbelleğe alın.
- Oturum durumu hafızadır: Kullanıcı seçimlerini yeniden çalıştırmalar arasında saklayın.
- Düzen iletişimdir: Kenar çubukları, sütunlar, sekmeler—basitleştirmek için bunları kullanın.
- Geri bildirim sessizliği yener: Döndürücüler, ilerleme çubukları, bildirimler. Her zaman kullanıcıya ne olduğunu söyleyin.
Yaygın tuzaklar (ve bunlardan nasıl kaçınılır)
- "Bir düğmeyi tıkladığımda değişkenlerim sıfırlanıyor!" Bu, yeniden çalıştırma modelidir; önemli şeyleri kalıcı hale getirmek için st.session_state'i kullanın.
- "İlk tıklamada yavaş." Ağır fonksiyonlarınızı önbelleğe alın. Ayrıca, uygulama başlangıcında modelleri başlatmayı da düşünün.
- "Grafiğim neden boş?" Widget varsayılanı çalıştırmalar arasında değişirse, verilerinizi filtreliyor olabilirsiniz. Makul varsayılanlar ayarlayın.
- "Bir güncellemeden sonra bozuldu." Gereksinimlerinizi sabitleyin veya geçiş notlarını okuyun. Resmi eğitimler senkronize kalma eğilimindedir.
Karşılaştırma köşesi: Streamlit ve Olağan Şüpheliler
- Streamlit - Dash karşılaştırması: Dash daha yapılandırılabilir ve kurumsal kullanıma hazırdır, ancak başlaması daha uzun sürer. Streamlit prototip oluşturmak için daha hızlıdır; Dash karmaşık üretim iş akışı için daha güçlüdür.
- Streamlit - Gradio karşılaştırması: Gradio, özellikle model G/Ç olmak üzere hızlı yapay zeka demoları için parlıyor. Streamlit, veri uygulamaları ve gösterge panoları için daha genel amaçlıdır.
- Streamlit - Flask + Ön uç karşılaştırması: Flask, kontrol etmek istemediğiniz birçok şey de dahil olmak üzere her şey üzerinde size kontrol sağlar. Streamlit, hedefiniz "Salı gününe kadar bir karar aracı teslim etmek" olduğunda kısayoldur.
Sider.AI hakkında kısa bir not: öğrenme ve inşa etme için yardımcı bir yardımcı
Hızlı bir şekilde yineleme yapmayı ve somut sonuçlar görmeyi seven türden bir öğreniciyseniz, Streamlit'in yanında bir yapay zeka asistanı kullanmak bir süper güç olabilir. Örneğin, dağınık bir CSV'yi temizlenmiş, görselleştirilmiş bir gösterge panosuna dönüştüren ve ardından Excel'e aktaran demolar gördüm—tam olarak Streamlit'in widget'ları ve özetleme veya veri yapılandırma için biraz yapay zeka yardımı ile bir araya getirebileceğiniz türden bir "ekibin saatlerini kurtardım" uygulaması. Sider.AI gibi araçlar ayrıca, tasarım ve veri mantığına odaklanabilmeniz için sizi kalıp ve test senaryoları arasında yönlendirebilir. Çalabileceğiniz uygulamalı mini projeler (notlarla)
- "Patronun Favori Raporu" Uygulaması
- Girdiler: CSV yükleme, tarih aralığı seçici, bölge açılır menüsü.
- Çıktı: Metrikler (gelir, sayı), bir çizgi grafik ve indirilebilir bir Excel dosyası.
- İpuçları: Veri temizleme adımını önbelleğe alın; filtrelenmiş DataFrame'i session_state'te kaydedin, böylece anında dışa aktarabilirsiniz.
- Satışlar için "Ne Olursa Senaryo Planlayıcısı"
- Girdiler: İndirim oranı için bir kaydırıcı, reklam harcaması için bir number_input, ürün katmanı için bir selectbox.
- Çıktı: Tahmini gelirin bir çubuk grafiği ve bir metin özeti ("%10 indirimle 6,2 ayda kurtarıyorsunuz").
- İpuçları: Sekmeleri kullanın: "Varsayımlar," "Grafikler," "İndirmeler." Model fonksiyonunu önbelleğe alın.
- "Yapay Zeka Destekli Not Özetleyici"
- Girdiler: PDF'ler veya metin için file_uploader, ton için onay kutusu ("resmi," "dostça," "madde işaretli").
- Çıktı: Bir kopyalama düğmesiyle özet metin; isteğe bağlı eylem öğelerinin CSV'si.
- İpuçları: Artımlı güncellemelerle sonuçları yayınlayın; bir döndürücü gösterin ve ne olduğunu açıklayın.
- "Veri Temizleyici ve Biçim Dönüştürücü"
- Girdiler: file_uploader (CSV), boşlukları kaldırmak için onay kutusu, tarih ayrıştırma için selectbox, "Excel'e Aktar" düğmesi.
- Çıktı: Temizlenmiş tablonun önizlemesi; sütuna göre boş değerlerin grafiği; tek tıklamayla dışa aktarma.
- İpuçları: Bu mükemmel bir başlangıç projesi ve bu uygulamalı demolarla güzel bir şekilde eşleşiyor.
Sizin için en iyi Streamlit eğitimlerini nasıl seçersiniz
- İki saatiniz varsa: Resmi Başlarken akışını ve Bir Uygulama Oluştur eğitimini yapın. Zamanın %20'sinde yolun %80'ini kat edeceksiniz.
- Bir hafta sonunuz varsa: Bunları proje tabanlı bir video kursuyla eşleştirin ve özetlediğim üç sayfalık uygulamayı oluşturun. Pazartesi gününe kadar işte "o kişi" olacaksınız.
- Uzmanlaşmak istiyorsanız: Kimlik doğrulama, veritabanları ve en iyi uygulamalar için eğitim dizinine dalın. Aynı çiti beş kez yeniden boyamaktan kaçınacaksınız.
Streamlit görgü kuralları: kullanıcılarınız için keyifli hale getirin
- Sade İngilizce etiketler kullanın.
- Ana eylemleri katın üzerinde tutun.
- Gelişmiş seçenekler için st.expander kullanın.
- Bir "Filtreleri sıfırla" düğmesi ekleyin; insanlar yeniden denemeyi sever.
- Test için küçük, gerçek veri örnekleri sağlayın.
Sorun giderme köşesi (diğer adıyla "Bu şey neden çalışmıyor?")
- 'streamlit' adlı modül yok: Yanlış ortamdasınız. Etkin venv'nizde pip install streamlit.
- Dosya yükleyici hiçbir şey kabul etmiyor: Dosya türlerinizi kontrol edin; ayrıca widget'ların yalnızca sonuçları session_state'te saklarsanız durumlu olduğunu unutmayın.
- Yerel olarak çalışıyor ancak dağıtımda değil: Sürümlerinizi sabitleyin ve ana bilgisayarda gizli diziler/ortam değişkenleri ayarlayın. Ayrıca küçük bir veri kümesiyle test edin.
- Büyük CSV'lerle yavaş: Parçalı okumalar kullanın, önceden toplayın veya kullanıcı arayüzü için örnekleyin. Önbelleğe almayı ve ağır dönüşümleri yüklemeyi düşünün.
Son bir şey: harika bir aracın alçakgönüllülüğü
Streamlit'in dehası, hırsının alçakgönüllülüğüdür. Tam bir platform olmaya çalışmaz; Python'unuzu kullanıcı dostu bir uygulamaya dönüştüren düğme olmaya çalışır. Yukarıdaki en iyi Streamlit eğitimleriyle—temeller için resmi belgeler, ivme için proje videoları ve cilalama için en iyi uygulama konuşmaları—dolaşmayı atlayacak ve insanların "Bekle, bunu sen mi yaptın?" dediği kısma geleceksiniz.
Ve bu, uğruna yaşadığınız an. Ya da en azından, patronunuzun size aynı elektronik tablonun 11 versiyonunu göndertmeyi bıraktığı an.
SSS
S1:Tamamen yeni başlayanlar için en iyi Streamlit eğitimleri nelerdir?
Resmi Başlarken kılavuzu ve Bir Uygulama Oluştur eğitimi ile başlayın—güncel, özlüdürler ve en son Streamlit sürümüyle çalışacakları garanti edilir. İki saatten kısa sürede grafikler ve widget'larla küçük bir uygulama oluşturacaksınız.
S2:Gösterge panom için Streamlit ve Dash arasında nasıl seçim yaparım?
Dahili araçlar veya hızlı prototipler için hıza ve basitliğe ihtiyacınız olduğunda Streamlit'i seçin; daha derin özelleştirme ve kurumsal iş akışları gerektirdiğinizde Dash'i seçin. Önce Streamlit'te bir hafta sonu prototipi deneyin—genellikle ihtiyaçların %90'ını karşılar.
S3:Üretime hazır bir Streamlit uygulamasına giden en hızlı yol nedir?
Resmi eğitimleri izleyin, ardından yapı ve performans ipuçları için proje tabanlı bir kursa ve en iyi uygulamalar konuşmasına atlayın. Ağır fonksiyonları önbelleğe alın, session_state'i kullanın ve dağıtımları kararlı tutmak için paket sürümlerinizi sabitleyin.
S4:Streamlit, transkripsiyon veya özetleme gibi yapay zeka özelliklerini işleyebilir mi?
Evet—Streamlit, Python yapay zeka kütüphaneleri ve API'leriyle güzel bir şekilde çalışır. Dosya yüklemeleri, ilerleme göstergeleri ve uzun süren işler için kalıpları öğrenmek için kanıtlanmış bir proje kılavuzu (yapay zeka transkripsiyon uygulaması gibi) kullanın.
S5:Pratik yapmak için gerçek dünya Streamlit uygulama fikirlerini nerede bulabilirim?
Yardımcı uygulamaları deneyin: veri temizleme ve dönüştürme, ne olurdu planlayıcıları ve hızlı yapay zeka destekli özetleyiciler. CSV'yi Excel'e dönüştüren ve temizlenmiş verileri görselleştiren gerçekçi örnekler harika bir uygulamadır ve hemen kullanışlıdır.
