Streamlit - Praktyczny Tutorial! ML-Workout #15

Поделиться
HTML-код
  • Опубликовано: 18 янв 2025

Комментарии • 9

  • @trimaz77
    @trimaz77 4 месяца назад +1

    REWELACJA!😀

  • @jakubmalin-dr8pi
    @jakubmalin-dr8pi 5 месяцев назад

    MetaLlica Workout :) Świetny materiał.

  • @wisniowabron2253
    @wisniowabron2253 5 месяцев назад

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

    • @ml-workout
      @ml-workout  5 месяцев назад

      Hah, dzięki! 😁 M.

  • @BanneQ
    @BanneQ 5 месяцев назад

    Super materiał! Dzięki za wyjaśnienie :D

    • @ml-workout
      @ml-workout  5 месяцев назад

      Cieszymy się bardzo - i dzięki za komentarz! :)

  • @tomaszzielonka9808
    @tomaszzielonka9808 4 месяца назад

    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  4 месяца назад +1

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

    • @tomaszzielonka9808
      @tomaszzielonka9808 4 месяца назад +1

      @@ml-workout dzięki serdeczne 😊