Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais créer une application locale de prévision e-commerce ML dans streamlit sql
Consultant en Data Science et IA
Bonjour, je suis SOHEL RANA, un service d'IA axé sur les données, dédié à aider les entreprises à se développer.
Avec plus de 4 ans d'expérience pratique, je me spécialise dans la fourniture de résult...
À propos de ce service
Arrêtez de payer des frais mensuels récurrents pour le SaaS cloud. Gardez vos données d'entreprise 100 % privées et conformes au RGPD avec une solution Python AI personnalisée et locale.
Je crée des applications web autonomes, hors ligne, pour la prévision en Machine Learning (ML) et Deep Learning (DL) adaptées pour Amazon, Shopify et les marques de retail.
Flux de livraison :
Vous recevez un espace de travail hors ligne. Décompressez-le, ouvrez votre terminal, tapez python run.py, et le tableau de bord se lance automatiquement dans votre navigateur local.
Fonctionnalités techniques principales :
- Intégration double : Connexion via fichiers CSV/Excel OU récupération directe depuis des bases de données locales en direct (MySQL, PostgreSQL, SQLite).
- IA prédictive : Prévisions de séries temporelles de haute précision (XGBoost, Prophet ou LSTM) pour cartographier la demande saisonnière et les points de réapprovisionnement.
- Interface interactive : Graphiques dynamiques, matrices de réapprovisionnement et téléchargements de résumés.
Aperçu des niveaux :
- Basique : Audit de la logique de registre de données et script de nettoyage Python pour le prétraitement.
- Standard : Moteur ML principal + application uploader Streamlit pour fichiers Excel/CSV.
- Premium : Moteur de prévision ML avancé + intégration directe avec la base de données SQL en live.
Veuillez m’envoyer un message pour vérifier le schéma de votre dataset avant de commander !
Langage de programmation:
Python
•
SQL
•
Colab
Frameworks:
Scikit-learn
•
Panda
Outils:
Jupyter Notebook
•
tensorflow
•
Excel
•
Colab
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Comment l’application se connecte-t-elle à ma base de données ?
Je configure des connecteurs SQL Python sécurisés (comme SQLAlchemy ou psycopg2) pour transmettre en toute sécurité vos tables de transactions dans l’interface Streamlit.
Est-ce que cela ralentira mon serveur SQL ?
Non. J’utilise les fonctions @st.cache_data de Streamlit pour mettre en cache les résultats des requêtes, évitant ainsi de solliciter constamment le serveur et assurant une application très rapide.
Quels moteurs de base de données sont supportés ?
Toute base de données disposant d’un pilote Python, y compris PostgreSQL, MySQL, SQLite, Snowflake et BigQuery.
Comment sont gérées les lacunes ou valeurs manquantes ?
Le pipeline automatisé inclut des scripts de nettoyage de données SQL/Pandas qui remplissent automatiquement les jours de transaction manquants par propagation ou par zéro.
Quels algorithmes de prévision utilisez-vous ?
J’utilise principalement Prophet pour le suivi saisonnier dans le commerce de détail, ainsi que des modèles scikit-learn pour des régressions linéaires de base.
L’application peut-elle gérer les jours fériés et les pics du Black Friday ?
Oui. J’intègre des événements historiques de jours fériés personnalisés dans le modèle via SQL pour assurer un suivi précis des pics annuels du commerce en ligne.
Puis-je exporter les données de l’application ?
Oui. Les utilisateurs peuvent télécharger instantanément n’importe quel tableau de prévision généré au format CSV ou Excel à l’aide des boutons intégrés de Streamlit.
L’inclusion de scénarios « Et si » est-elle prévue ?
Oui. Je crée des curseurs interactifs dans la barre latérale pour vous permettre de simuler des variations de revenus en ajustant les prix ou les dépenses publicitaires.
