Streamlit

• Científicos de datos y analistas que necesitan crear dashboards interactivos completos con Python.
• Ingenieros de machine learning que quieren construir prototipos y demos de modelos para producción.
• Desarrolladores Python que buscan crear aplicaciones web sin aprender frameworks frontend.
• Estudiantes de ciencia de datos que necesitan dominar Streamlit como herramienta de presentación y despliegue.

Módulo 1: Introducción e instalación Que es Streamlit, ecosistema y comparativa Instalación con pip y conda Primera aplicación con st.write y hot reload Ejecución, puertos y configuración Módulo 2: Elementos de texto Titulos, encabezados y jerarquía visual Markdown, HTML y badges Código con resaltado y formulas LaTeX Mensajes de estado y separadores Módulo 3: Widgets de entrada Botones, descargas y enlaces Campos de texto, número y fecha Selectores, multiselect, radio y pills Sliders, toggles y color picker Carga de archivos y entrada multimedia Módulo 4: Visualización y gráficos Gráficos nativos: líneas, barras, área y dispersión Mapas con st.map y PyDeck Matplotlib y Seaborn con st.pyplot Plotly Express y Graph Objects Altair, Vega Lite y Graphviz Módulo 5: Layout y organización Columnas y diseno responsive Pestanas, expanders y popovers Sidebar para controles laterales Contenedores, placeholders y diálogos Módulo 6: Datos estructurados DataFrames interactivos con column_config Editor de datos con st.data_editor Tablas estáticas, metricas y JSON Conexiones a bases de datos y secrets Módulo 7: Estado, formularios y cache Session state para persistir datos Callbacks, query params y contexto Formularios con envio por lotes Fragments y control de flujo Cache con st.cache_data y st.cache_resource Módulo 8: Multimedia y elementos avanzados Imagenes, audio, video y PDF Interfaces de chat con LLM Progreso, spinners y notificaciones Personalización de temas Módulo 9: Despliegue y aplicaciones multipagina Navegación y aplicaciones multipagina Autenticación de usuarios Despliegue en Streamlit Community Cloud Docker y componentes personalizados

Este curso completo de Streamlit recorre la biblioteca de principio a fin: desde la primera aplicación y el flujo de ejecución top down hasta el despliegue en producción con Docker y Streamlit Community Cloud, pasando por elementos de texto, widgets de entrada, gráficos nativos e integrados (Matplotlib, Plotly, Altair), layouts, DataFrames interactivos, session_state, caché con @st.cache_data, formularios, interfaces de chat, aplicaciones multipágina y autenticación.

• Construir aplicaciones web interactivas completas con Streamlit y Python puro.
• Utilizar widgets de entrada, gráficos y layouts para crear dashboards profesionales.
• Gestionar el estado de la aplicación con session_state, callbacks y formularios.
• Optimizar el rendimiento con @st.cache_data y @st.cache_resource.
• Integrar DataFrames interactivos, conexiones a datos y gráficos de múltiples bibliotecas.
• Crear aplicaciones multipágina con autenticación y desplegarlas en producción.