دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
1 ساعت 26 دقیقهمتوسط2025-09-12
مدرسین

Maggie Ma
جزئیات دوره
توی این دوره کوتاه و عملی، یاد میگیری چطور با Python، Streamlit و OpenAI API یه ابزار سبک و هوشمند برای تحلیل دادهها بسازی.
توسط Maggie Ma، یاد میگیری چطور دیتاست خودت رو آپلود کنی و با سوال پرسیدن به زبان ساده انگلیسی از برنامهات تحلیل بگیری. برنامه بهطور خودکار ورودی کاربر رو تبدیل به کد Python یا SQL میکنه، اجراش میکنه و نتایج مفیدی ارائه میده.
این دوره برای تیمهای فنی که میخوان تحلیل دادهها رو برای افراد غیر فنی ساده کنن عالیه. تو این دوره، یک رابط کاربری طبیعی (Natural Language Interface) برای دادههای ساختاریافته میسازی، بدون اینکه نیاز به تجربه قبلی با LLM داشته باشی—کافی فقط Python و کمی pandas بلد باشی. در نهایت، یک نسخه اولیه عملی (Prototype) داری که میتونی توسعه بدی یا داخلی سازمان پیادهسازی کنی.
اهداف یادگیری
ساخت یک رابط ساده با Streamlit که فایل CSV آپلود کنه
اتصال OpenAI API برای پاسخ دادن به سوالات دادهها به زبان طبیعی
طراحی پرومتهایی که ورودی کاربر رو به کد تحلیل داده تبدیل کنه
اجرای کد و ارائه خلاصهها یا نمودارها بر اساس خروجی
آزمایش و به اشتراک گذاشتن برنامه با همکاران یا ذینفعان
توسط Maggie Ma، یاد میگیری چطور دیتاست خودت رو آپلود کنی و با سوال پرسیدن به زبان ساده انگلیسی از برنامهات تحلیل بگیری. برنامه بهطور خودکار ورودی کاربر رو تبدیل به کد Python یا SQL میکنه، اجراش میکنه و نتایج مفیدی ارائه میده.
این دوره برای تیمهای فنی که میخوان تحلیل دادهها رو برای افراد غیر فنی ساده کنن عالیه. تو این دوره، یک رابط کاربری طبیعی (Natural Language Interface) برای دادههای ساختاریافته میسازی، بدون اینکه نیاز به تجربه قبلی با LLM داشته باشی—کافی فقط Python و کمی pandas بلد باشی. در نهایت، یک نسخه اولیه عملی (Prototype) داری که میتونی توسعه بدی یا داخلی سازمان پیادهسازی کنی.
اهداف یادگیری
ساخت یک رابط ساده با Streamlit که فایل CSV آپلود کنه
اتصال OpenAI API برای پاسخ دادن به سوالات دادهها به زبان طبیعی
طراحی پرومتهایی که ورودی کاربر رو به کد تحلیل داده تبدیل کنه
اجرای کد و ارائه خلاصهها یا نمودارها بر اساس خروجی
آزمایش و به اشتراک گذاشتن برنامه با همکاران یا ذینفعان
مهارت ها
StreamlitSnowflakeGenerative AIArtificial Intelligence FoundationsPythonData AnalysisArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceOne-Off
سرفصل ها
۰. مقدمه
- 01 - آنچه خواهید ساخت - دستیار تحلیل دادههای هوش مصنوعی
- 02 - اصول طراحی اپلیکیشن
۱. ایجاد بنیاد برنامه Streamlit
- 03 - یک برنامه ساده Streamlit ایجاد کنید
- 04 - اجزای ضروری - نوار کناری و آپلودکننده فایل
- 05 - نمایش جداول داده و خلاصه
- 06 - ساخت کامپوننتهای چتبات
۲. اتصال به OpenAI و ساخت دستورات هوشمند
- 07 - امنیت و تنظیم کلید OpenAI API
- 08 - اولین فراخوانی API خود را انجام دهید
- 09 - مهندسی سریع پیشرفته
۳. تولید و اجرای کد
- 10 - اجرای کد پایتون تولید شده توسط هوش مصنوعی
- 11 - مدیریت قوی خطاهای کد
- 12 - رابط کاربری را بهبود ببخشید
۴. افزودن حافظه و ویژگیهای پیشرفته
- 13 - ساخت تاریخچه و حافظه چت
- 14 - بهینهسازی هزینه API و استفاده از توکن
- 15 - استخراج تاریخچه مکالمات
۵. جمعبندی و مراحل بعدی
- 16 - بررسی نهایی برنامه
- 17 - استقرار در Streamlit Cloud
- 18 - مراحل بعدی و الحاقیهها