0Pricing
Data Science Academy · Aula

Do notebook ao painel

Compartilhando resultados que as pessoas podem usar.

Do notebook ao painel é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

Beyond the Notebook

A notebook is great for you, but stakeholders will not run cells. To reach them you turn analysis into a shareable dashboard. 🚀

Why a Dashboard

A dashboard lets non-coders explore your results live, filtering and clicking instead of asking you to rerun the code each time.

Static or Interactive

Decide early: a static report is a fixed snapshot, while an interactive app lets users change inputs and see updates.

The Easiest Path

For Python users, Streamlit turns a plain script into a web app with almost no front-end code required.

import streamlit as st
st.title("Sales Dashboard")

Show a Number

A headline metric gives instant context. Streamlit's metric widget displays a value and its change from a target side by side.

st.metric("Revenue", "$1.2M", "+8%")

Drop In a Chart

Pass any matplotlib or plotly figure straight to the app and it renders inline, reusing the plots you already made.

st.pyplot(fig)

Add a Filter

A single widget makes data explorable. A selectbox lets users pick a category and the whole page reacts to their choice.

region = st.selectbox("Region", df["region"].unique())

Cache Slow Steps

Wrap heavy loads in a cache so the app stays fast: the data is read once and reused across every user interaction.

@st.cache_data
def load():
    return pd.read_csv("sales.csv")

Run It Locally

You launch the app from a terminal, and Streamlit serves it in your browser so you can test before sharing it widely.

streamlit run app.py

Share With the World

Push the script to a repo and deploy on a host like Streamlit Community Cloud to hand colleagues a simple URL.

Keep It Trustworthy

A live dashboard needs upkeep: refresh its data, note the last update, and document assumptions so users keep trusting it.

Quick Check

Why move an analysis from a notebook to a dashboard?

Recap

You turned a notebook into a shareable dashboard with Streamlit: metrics, charts, filters, caching, and deploy. That closes the data-to-decision loop. 🎉

Perguntas Frequentes

A aula “Do notebook ao painel” é grátis?

Sim — o texto completo de “Do notebook ao painel” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.

O que vou aprender em “Do notebook ao painel”?

Compartilhando resultados que as pessoas podem usar. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar Data Science Academy?

Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.

Quanto tempo leva a aula “Do notebook ao painel”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de Data Science Academy?

Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Importância dos recursos e SHAP
  2. Intuição da dependência parcial
  3. Gráficos que convencem as partes interessadas
  4. Do notebook ao painel
← Voltar para Data Science Academy