스트림릿 Inc, Google LLC의 Gradient Ventures가 지원하는 인공 지능 스타트 업, 그것을 알렸다 최근에 새로운 서비스 "Streamlit 공유" 그것은 개발자가 기계 학습 애플리케이션을 쉽게 공유 할 수 있도록 설계 사용자와.
전반적으로 Streamlit 및 GitHub는 놀랍도록 풍부하고 다양한 생태계를 가능하게합니다. 대시 보드에서 딥 네트워크 등에 이르기까지 유용한 애플리케이션을 제공합니다.
그리고 기계 학습 애플리케이션을 구축하려면 신경망을 훈련하는 것 이상이 필요합니다. 또한 신경망 처리 결과를 제공하는 사용자 인터페이스와 처리해야하는 정보를 소프트웨어에 제공하는 데이터 수집 파이프 라인이 필요합니다.
스트리밍, 샌프란시스코를 기반으로 같은 이름의 인기있는 오픈 소스 도구를 제공합니다. 숙제를 몇 주에서 몇 시간으로 줄일 수 있습니다.
불과 500 년 전에 출시되었지만 Streamlit은 이미 백만 건이 넘는 다운로드와 여러 Fortune XNUMX 사용자를 자랑합니다.
스타트 업은 다음과 같이 주장합니다. 개발자가 귀하의 도구를 사용했습니다 지금까지 수십만 개의 기계 학습 애플리케이션을 만들었습니다.
Streamlit Sharing, 스트림 릿 공유 최근 출시 된 새로운 클라우드 서비스, 본질적으로 무료 호스팅 플랫폼입니다. 개발자가 Streamlit에서 제작 한 기계 학습 소프트웨어를 실행할 수 있습니다.
최종 사용자는 브라우저를 통해 서비스에서 호스팅되는 애플리케이션에 액세스 할 수 있습니다.
문제는 Streamlit 공유는 코드가 GitHub에서 공개적으로 제공되는 오픈 소스 애플리케이션에만 개방되어 있습니다. 그러나 Streamlit은 현재 비공개 베타 상태 인 상업 프로젝트에 대한 유료 제안도 만들고 있습니다.
Streamlit 공유는 Streamlit의 최고와 GitHub의 최고를 결합합니다. Streamlit에서 믿을 수 없을 정도로 풍부하고 유용한 애플리케이션을 만들기위한 간단한 프레임 워크를 얻을 수 있습니다. GitHub에서 소셜 협업을위한 놀라운 프레임 워크를 상속받습니다. GitHub 링크를 Streamlit의 공유 플랫폼에 붙여 넣으면 거의 즉시 라이브 앱이 생깁니다. 또는 라이브 애플리케이션의 메뉴를 클릭하고 GitHub에서 소스 코드를 봅니다. 단순히 코드를 포크하고 편집하여 무료로 공동 작업하십시오. 협업적이고 글로벌하며 공유 가능하며 포크 친화적 인 데이터 과학입니다!
Streamlit Sharing은 시작 도구를 중심으로 오픈 소스 생태계를 강화하는 것을 목표로합니다.
GitHub는 이미 플랫폼을 제공합니다 개발자가 할 수있는 곳 머신 러닝 프로젝트 공유, Streamlit CEO Adrien Treuille은 블로그 게시물에서 언급했지만 최종 사용자에게는 기술적 장벽이 있습니다.
GitHub에서 Streamlit 애플리케이션을 실행하려면 원시 코드를 다운로드하고 실행하고 설명서를 읽어야합니다. 반면 Streamlit 공유에서 호스팅되는 응용 프로그램은 모든 웹 서비스와 같은 브라우저에서 열 수 있습니다.
"Github는 놀라운 아이디어, 모델, 알고리즘 및 데이터 세트로 가득 차 있습니다."라고 Treuille은 썼습니다. “그러나 그것은 단지 코드 일 뿐이며 코드만으로는 모델을 가지고 놀거나 알고리즘을 보거나 데이터를 터치 할 수 없습니다. 매우 어렵습니다. 무언가를 설치하고, 종속성을 가져오고, 작동을보기 전에 코드 샘플을 읽어야합니다. 원하는 것은 '재생'버튼«.
Streamlit 공유 개발자가 애플리케이션을로드 할 수 있습니다. 코드가 포함 된 GitHub 저장소에 링크를 붙여 넣습니다. AI 프로젝트 공유를 단순화함으로써이 서비스는 스타트 업 도구에 대한 또 다른 채택 장벽을 줄여 궁극적으로 사용자 확보 전략을 추진해야합니다.
오픈 소스 사용자의 대규모 설치 기반은 Streamlit이 마침내 유료 서비스를 출시 할 때 유용한 시장 검증을 제공합니다.
Streamlit Sharing의 출시는 스타트 업이 Google LLC와 GGV Capital의 Gradient Ventures 펀드가 공동 주도하는 21 만 달러의 자금 조달 라운드를 마감 한 지 약 XNUMX 개월 후에 이루어집니다.
마지막으로 메모에 대해 더 알고 싶다면 다음 링크.
같은 방법으로 다음 튜토리얼을 따라 Streamlit 애플리케이션을 구현하는 방법을 알 수 있습니다. 링크는 이쪽입니다.