Streamlit - Praktyczny Tutorial! ML-Workout #15

Поділитися
Вставка
  • Опубліковано 18 вер 2024

КОМЕНТАРІ • 9

  • @jacekmikolajczyk6661
    @jacekmikolajczyk6661 20 днів тому

    REWELACJA!😀

  • @jakubmalin-dr8pi
    @jakubmalin-dr8pi 29 днів тому

    MetaLlica Workout :) Świetny materiał.

  • @wisniowabron2253
    @wisniowabron2253 Місяць тому

    Ładne ząbki Marcin, ładne :D gratki ukończenia leczenia :P

  • @BanneQ
    @BanneQ Місяць тому

    Super materiał! Dzięki za wyjaśnienie :D

    • @ml-workout
      @ml-workout  Місяць тому

      Cieszymy się bardzo - i dzięki za komentarz! :)

  • @tomaszzielonka9808
    @tomaszzielonka9808 28 днів тому

    Tak patrzę na te wykresy zależności pomiędzy zmiennymi niezależnymi (chyba 3 były pokazane), a jakością wina, to korelacje są tam dosyć słabe, więc pewnie to co wpływa na jakość wina to kombinacja zmiennych.
    P.S. Pokazaliście dekorator do cashowania, jako metodę w streamlicie - czy są analogiczne, które można zastosować poza streamlitem?
    Bardzo przystępnie wyjaśnione zagadnienie - jak zwykle zresztą ;)

    • @ml-workout
      @ml-workout  28 днів тому +1

      Dzięki za komentarz!
      W Pythonie można użyć np. dekoratorów cache() lub lru_cache() z modułu functools.

    • @tomaszzielonka9808
      @tomaszzielonka9808 28 днів тому +1

      @@ml-workout dzięki serdeczne 😊