[Python Project (Store Sales - Time Series Forecasting )] 8. 기본 대쉬보드 생성

목차

• Streamlit & GitHub 이용하기
• app.py
• description.py
• data.py
• eda.py
• stat.py
• ml.py

---

1. Streamlit & GitHub 이용하기

이번 프로젝트의 배포를 위해 Streamlit과 GitHub를 이용하였다.

• Streamlit & GitHub 배포 방법
  • [Streamlit] 설치 및 시작하기 / GitHub로 배포하기
• Streamlit 기본 API 사용법
  • [Python Streamlit] IRIS 데이터를 활용한 머신러닝 대시보드 개발
  • [Streamlit] 기본 API reference (기본 기능)
  • Streamlit 공식 홈페이지 API reference

GitHub Repositories 생성

2. app.py

Streamlit 배포 페이지의 main

• 프로젝트 소개
• 데이터 출처
• 작업 툴, 기간, 내용, 파트

반응형

3. description.py

대회 소개 페이지

• 대회 목표
• 평가지표
• 문제해결 프로세스

4. data.py

데이터셋 소개 페이지

• 시계열 데이터 소개 및 정리
• 데이터 처리 과정
• 파생 변수 소개

5. eda.py

탐색적 자료분석 시각화

• 시나리오 소개
• 분석 정리

6. stat.py

통계 분석

• 베이스라인 모델 탐색

7. ml.py

머신러닝 페이지

• 예측 모델링 소개
• 예측값 출력