Programlama
Streamlit Eğitimi: Veri ve Yapay Zekâ Uygulamaları
Streamlit eğitimi (Streamlit ile Veri ve Yapay Zekâ Uygulamaları), Python ve pandas bilen veri, analitik ve yapay zekâ ekiplerine bir analizi ya da modeli tarayıcıdan kullanılan bir iç uygulamaya dönüştürmeyi öğretir: etkileşimli pano, önbellek, veritabanı ve API bağlantısı, kurumsal giriş, LLM sohbet arayüzü, test ve Docker. Temel seviyedeki program 18 saat ve 6 modüldür; kapalı grupla canlı online yapılır.
- Süre
- 18 saat
- Modül
- 6
- Seviye
- Temel
- Biçim
- Canlı online
- Grup
- 5–15 kişi, kapalı
Bu eğitim kimler için?
-
Python kullanan veri analistleri, BI ve raporlama uzmanları: BI aracının yetmediği yerde süzgeçli pano ve self-servis veri aracı yazmak için.
-
Veri bilimciler ve makine öğrenmesi mühendisleri: Analizi ve model sonucunu paydaşların kullanacağı bir uygulamayla sunmak için.
-
İç araç geliştiren yapay zekâ mühendisleri ve Python geliştiriciler: Bir LLM özelliği için iç arayüz kurmak, giriş ve testle paylaşılabilir hâle getirmek için.
-
Prototip hazırlayan ürün ve Ar-Ge ekipleri: Bir fikri Python prototipiyle kullanıcıda sınamak için.
Ön koşul
- Temel düzeyde Python: fonksiyon ve modül, sanal ortam ve pip, hata yakalama, CSV ve JSON işleme, sınıf, basit bir pytest testi.
- pandas ile temel veri işleme: CSV ya da Parquet okuma, sütun seçme, satır süzme, gruplama ve toplama, iki tabloyu birleştirme.
- Komut satırında komut çalıştırmak. Temel SQL önerilir, şart değildir. HTML, CSS, JavaScript, web çerçevesi ya da Docker bilgisi gerekmez.
- Eğitimden önce kurumunuzun ortamında lab hazırlığı yapılır: Python 3.14 ya da 3.13 kurulabiliyor, PyPI'dan paket indirilebiliyor; 6. modül için Docker gerekir.
Ekibiniz neler kazanır?
- Widget, düzen ve veri öğeleriyle bir veri uygulaması kurar; bir etkileşimin betiği nasıl yeniden çalıştırdığını gösterir.
- pandas verisi üzerinde süzgeç, metrik, etkileşimli grafik ve dışa aktarma içeren bir pano oluşturur.
- Çok adımlı etkileşimi st.session_state, form, callback ve fragment ile yönetir; kaybolan ya da iki kez güncellenen durumu ayıklar.
- Veriye göre st.cache_data ile st.cache_resource arasında seçim yapar, süre sınırı (ttl) ayarlar ve paylaşılan nesneden doğan önbellek hatasını bulur.
- st.connection ile bir veritabanına, requests ile bir HTTP API'sine bağlanır; anahtarları secrets.toml ile koddan ayırır.
- st.navigation ile çok sayfalı uygulama kurar, st.login (OpenID Connect) ile kurumsal giriş ekler ve sayfa erişimini kullanıcıya göre sınırlar.
- Mesaj geçmişi ve akışlı yanıt gösteren bir LLM sohbet arayüzü kurar.
- Uygulamayı AppTest ve pytest ile test eder, Dockerfile ile paketler; yapay zekâ asistanının ürettiği koddaki önbellek, durum ve gizli bilgi hatalarını düzeltir.
Streamlit nedir?
Streamlit, Python ile etkileşimli veri uygulamaları ve panolar geliştirmek için kullanılan açık kaynaklı bir Python çerçevesidir. Uygulama sıradan bir Python betiği olarak yazılır ve streamlit run komutuyla tarayıcıda açılır; HTML, CSS ya da JavaScript gerekmez. Kullanıcı bir widget'ı her değiştirdiğinde betik baştan sona yeniden çalışır; oturum durumu, önbellek ve fragment bu modelde veriyi ve hızı yönetmenin araçlarıdır. Streamlit pandas tablolarını, Altair ve Plotly grafiklerini, veritabanı bağlantısını, OpenID Connect ile girişi ve sohbet öğelerini hazır sunar. Müşteriye açık, yüksek trafikli web uygulamaları için ise genellikle ayrı bir frontend ve backend kurulur.
Eğitim programı
6 modül, 18 saatStreamlit framework’ünü kullanarak web uygulamaları geliştirme, Python ile hızlı prototip ve uygulama geliştirme, Veri görselleştirme ve interaktif dashboard oluşturma, API ve backend servisleri ile entegrasyon sağlama, Kullanıcı etkileşimleri ve state yönetimi uygulama, Basit authentication mekanizmaları uygulama, Gerçek veri ile çalışan web uygulamaları geliştirme, Production’a uygun Streamlit uygulamaları tasarlama.
-
01
Streamlit'in çalışma modeli ve ilk veri uygulaması
3 saatYeniden çalıştırma modeli, widget'lar ve düzen işlenir; sentetik satış verisinden süzgeçli, metrik kartlı ilk uygulama kurulur.
-
02
Grafikler ve etkileşimli pano
3 saatYerleşik grafikler, Altair ve düzenlenebilir tabloyla bölge ve ay kırılımlı satış panosu kurulur; bitirme konusu seçilir.
-
03
Oturum durumu, formlar ve önbellek
3 saatForm ve oturum durumuyla senaryo girişi, önbellekli veri yüklemesi ve kendini yenileyen bir fragment yazılır; hatalı önbellek kodu düzeltilir.
-
04
Veritabanı, API ve gizli bilgiler
3 saatPano st.connection ile SQLite veritabanına parametreli sorguyla bağlanır, bir HTTP API'den zaman aşımı kontrolüyle veri çekilir, anahtarlar secrets.toml'a taşınır.
-
05
Çok sayfalı uygulama, giriş ve LLM sohbet arayüzü
3 saatUygulama üç sayfaya bölünür, OpenID Connect ile giriş ve izin listesine açılan bir yönetim sayfası eklenir; akışlı yanıt veren bir sohbet sayfası kurulur.
-
06
Test, paketleme ve bitirme
3 saatAppTest ile testler yazılır, uygulama Docker konteynerinde çalıştırılır, yapay zekâyla üretilmiş hatalı kod düzeltilir ve bitirme çalışmaları sunulur.
Uygulama ve şirketinize göre uyarlama
Eğitimden önce ekibinizle bir ihtiyaç görüşmesi yapılır. Programın %61’i (18 saatin 11 saati) uygulamadır. Bütün lab’lar aynı uygulama üzerinde, eğitim için hazırlanmış Türkçe sentetik bir satış ve sipariş veri setiyle ilerler.
- Veri ve senaryo: Pano senaryosu kendi iş alanınıza çevrilebilir; şirket verisi yalnız sentetik ya da maskeli kopyayla kullanılır. SQLite yerine PostgreSQL, SQL Server ya da Snowflake bağlantısı kurulabilir.
- Giriş ve dağıtım: Giriş adımı kurumunuzun kimlik sağlayıcısında (Microsoft Entra ID, Okta, Google ya da Auth0) açılan bir test uygulaması kaydıyla yapılır. Dağıtım hedefi kurum içi konteyner platformunuz ya da Snowflake kullanıyorsanız Streamlit in Snowflake olabilir.
- Ekibinizin ihtiyacı: Plotly kullanan ekiplerde grafik modülü Plotly ile yapılır. Veri bilimi gruplarında sohbet bölümü, kaydedilmiş bir scikit-learn modeliyle tahmin formuna dönüşebilir.
- Lab ortamı: Lab’lar kurumunuzun ortamında yapılır; kurulum ve erişim teklif aşamasında birlikte belirlenir.
Format ve planlama
- Eğitim biçimi
- Canlı online, eğitmen eşliğinde
- Grup büyüklüğü
- 5–15 kişilik kapalı gruplar
- Süre
- 18 saat
- Takvim
- Şirketinizin planına göre
Bu eğitim şirketinize özel bir takvimle planlanır. Teklif talebinizde tercih ettiğiniz dönemi belirtebilirsiniz.
Sık sorulan sorular
Streamlit eğitimi ne kadar sürer?
Streamlit eğitimi toplam 18 saattir ve her biri 3 saatlik 6 modülden oluşur; 11 saati uygulamadır. Program bitirme çalışmasıyla biter: katılımcı ya da 2–3 kişilik ekip, girişle korunan bir sayfası, önbellekli veri erişimi, en az üç otomatik testi ve Dockerfile’ı olan çok sayfalı bir iç veri uygulaması hazırlar ve 5 dakikada canlı gösterir.
Katılımcıların hangi bilgilere sahip olması gerekir?
Katılımcıların Python ve pandas bilmesi gerekir; web geliştirme bilgisi gerekmez. Python için Python Eğitimi: Temel Python ve OOP düzeyi, pandas için Python ile Uygulamalı Makine Öğrenmesi eğitiminin ilk iki oturumu yeterlidir. pandas bilmeyen gruplara önce bu oturumlar önerilir; grup doğrudan başlamak isterse 1 saatlik pandas girişi eklenir ve süre 21 saate çıkar. Temel SQL önerilir, şart değildir.
Streamlit hangi işler için uygun, hangileri için değil?
Streamlit, ekip içinde kullanılan panolar, veri araçları, model sunma ekranları ve prototipler için uygundur. Müşteriye açık, yüksek trafikli web uygulamaları bu eğitimin kapsamında değildir. 1. modülde Streamlit; Dash, Gradio ve Panel ile prototip hızı, özelleştirme ihtiyacı, dağıtım seçenekleri ve kurumdaki mevcut araçlar açısından karşılaştırılır. Kod yazmayan analist ekipleri için Yapay Zekâ ile Veri Analizi eğitimi daha uygundur.
Eğitimde LLM ve yapay zekâ konuları ne kadar işleniyor?
Eğitim, LLM sohbet arayüzünün yalnız Streamlit tarafını işler: mesaj geçmişi, sohbet girdisi ve akışlı yanıt gösterimi. Lab’lar eğitim için hazırlanmış sahte bir akış üreteciyle çalışır; gerçek model yalnız kurumunuzun izin verdiği sağlayıcı ve anahtarla kullanılır. 6. modülde ekip, yapay zekâ asistanının ürettiği Streamlit kodundaki hataları bulup düzeltir. Sistem talimatı, RAG ve araç çağırma Geliştiriciler için Yapay Zekâ Entegrasyonları eğitimindedir.
Kurumsal giriş ve gizli bilgiler nasıl işleniyor?
Giriş, st.login ile OpenID Connect üzerinden kurumsal kimlik sağlayıcıya bağlanır; uygulama içinde parola tablosu kurulmaz. Ekip, kimlik doğrulama ile yetkilendirmeyi ayırır ve sayfaları izin listesine göre açar. Bağlantı bilgisi ve anahtarlar secrets.toml’da tutulur, git’e ve Docker imajına girmez. Streamlit Community Cloud uygulamaları ABD’de barındırdığı için kurum verisiyle kullanılmaz; eğitmen yalnız sentetik veriyle gösterir. OWASP ve güvenli SDLC Güvenli Yazılım Geliştirme eğitimindedir.
Lab'lar hangi ortamda ve hangi araçlarla yapılıyor?
Lab’lar kurumunuzun ortamında yapılır: katılımcı bilgisayarına yerel kurulum ya da kurumunuzun iç geliştirme ortamı. Python 3.14, eğitim tarihinde sabitlenen Streamlit 1.66, pandas, Altair, SQLAlchemy, pytest, Docker, editör ve terminal kullanılır; Jupyter gerekmez. Kurulum izinleri, Docker ve kimlik sağlayıcıda test uygulaması kaydı en az iki hafta önce BT ekibinizle kontrol edilir. Uygun ortam ya da kimlik sağlayıcısı yoksa ilgili uygulamalar eğitmenin canlı gösterimi ve önceden hazırlanmış çıktılarla yapılır.
Bu eğitimden sonra hangi eğitimler gelir?
LLM ile uygulama geliştirmek için sonraki adım Geliştiriciler için Yapay Zekâ Entegrasyonları eğitimidir: Streamlit’te kurulan sohbet arayüzünün arkasındaki sistem talimatı, RAG ve araç çağırma orada işlenir. Uygulamanın kullandığı API’yi yazmak Python ile Backend ve API Geliştirme, konteyneri ölçeklemek ve Kubernetes’e taşımak Docker ve Kubernetes eğitimindedir.
Sonraki adım
Tüm eğitimlerGeliştiriciler için Yapay Zekâ Entegrasyonu Eğitimi
Geliştiricilere LLM API'lerini uygulamaya bağlamayı, yapılandırılmış çıktıyı, araç çağırmayı ve RAG'i test ve güvenlik kontrolleriyle öğreten 24 saatlik eğitim.
24 saat
FastAPI Eğitimi: Python ile Backend ve API Geliştirme
Python ile servis yazan geliştirici, veri ve yapay zekâ ekipleri için FastAPI ile REST API, veritabanı, kimlik doğrulama, test ve Docker: 27 saat, 9 modül.
27 saat
Docker ve Kubernetes Eğitimi
Yazılım ekiplerine Dockerfile, Docker Compose, Kubernetes'e dağıtım, Gateway API ve Helm'i uygulamalı öğreten 24 saatlik Docker ve Kubernetes eğitimi.
24 saat
