Streamlit

Streamlit to otwartoźródłowy framework w języku Python, umożliwiający szybkie budowanie interaktywnych aplikacji webowych do analizy danych, wizualizacji i prezentacji modeli machine learning. Dzięki prostocie i intuicyjnej składni, Streamlit jest szeroko wykorzystywany przez analityków, data scientistów i zespoły badawcze.

1. Ekspresowe prototypowanie – Pozwala na szybkie tworzenie aplikacji bez konieczności znajomości HTML, CSS czy JavaScript.
2. Integracja z ekosystemem Python – Łatwa integracja z popularnymi bibliotekami (Pandas, NumPy, Matplotlib, Plotly, scikit-learn, TensorFlow, PyTorch).
3. Interaktywność – Możliwość dodawania interaktywnych widgetów (slidery, przyciski, formularze) bez skomplikowanego kodu.
4. Automatyczne odświeżanie – Zmiany w kodzie są natychmiast widoczne w aplikacji dzięki funkcji hot-reload.
5. Łatwe wdrażanie – Proste wdrażanie aplikacji na Streamlit Community Cloud, serwerach własnych lub w chmurze (AWS, GCP, Azure).
6. Otwartość i rozwój – Aktywna społeczność, szybki rozwój i regularne aktualizacje frameworka.

1. Ograniczenia w personalizacji UI – Mniejsze możliwości zaawansowanej personalizacji wyglądu w porównaniu do frameworków frontendowych (React, Vue).
2. Brak wsparcia dla zaawansowanych aplikacji webowych – Streamlit najlepiej sprawdza się w prototypach, dashboardach i narzędziach analitycznych, ale nie jest przeznaczony do budowy dużych, złożonych systemów produkcyjnych.
3. Wydajność przy dużej liczbie użytkowników – W przypadku dużego ruchu i wielu użytkowników jednocześnie mogą pojawić się ograniczenia wydajnościowe.
4. Zależność od ekosystemu Python – Framework przeznaczony jest głównie dla aplikacji pisanych w Pythonie.

Streamlit integruje się z bibliotekami do analizy danych, machine learning, wizualizacji oraz narzędziami do wdrażania modeli (MLflow, DVC). Możliwe jest rozszerzanie funkcjonalności za pomocą własnych komponentów (Streamlit Components) oraz integracja z API i bazami danych. Streamlit Community Cloud umożliwia łatwe udostępnianie aplikacji online.

• Dash: Dash (Plotly) oferuje większe możliwości personalizacji i obsługę bardziej złożonych aplikacji, ale Streamlit jest prostszy i szybszy w prototypowaniu.
• Shiny: Shiny (R) jest popularny w środowisku R, Streamlit jest natomiast liderem wśród narzędzi Pythonowych.
• Gradio: Gradio skupia się na szybkim tworzeniu interfejsów do modeli ML, Streamlit jest bardziej uniwersalny.

•  Utrzymanie i rozwój systemów informatycznych (aplikacje webowe, serwisy internetowe)
• Prace projektowo-programistyczne (tworzenie nowych funkcjonalności, rozbudowa istniejących systemów)
• Wsparcie użytkowników oraz doradztwo w zakresie inżynierii oprogramowania
• Badanie jakości oprogramowania (testy, audyty, optymalizacja)
• Zarządzanie projektami IT (prowadzenie projektów, konsultacje, warsztaty)
• Obsługa DevOps (monitorowanie serwerów, aktualizacje, bezpieczeństwo, utrzymanie infrastruktury)
• Projektowanie i wdrażanie rozwiązań dedykowanych (w tym integracje systemów)
• Konsultacje biznesowe i technologiczne (analizy, rekomendacje, optymalizacja procesów)
• Wsparcie powdrożeniowe i serwisowe (hypercare, szybka reakcja na zgłoszenia, SLA)
• Prace graficzne i UX/UI (na potrzeby rozwoju aplikacji i serwisów)