Want to really understand how RAG, vector search & chunking work?

Then stop reading theory and build your own chatbot.

This guide shows you how to create a local PDF chatbot using:

LangChain

FAISS (vector DB)

Mistral via Ollama

Python & Streamlit

Step-by-step, from environment setup to deployment. Ideal for learning how Retrieval-Augmented Generation works in practice.

https://medium.com/data-science-collective/rag-in-action-build-your-own-local-pdf-chatbot-as-a-beginner-96c2833869ff

Comment “WANT” if you need the friends link to the article, as you don’t have paid Medium.

I decided to give it a try and write a simple RAG-based documentation-to-chatbot procedure as an example for reviewing the procedure and hopefully providing a quick and interesting way of learning RAG.

This post walks you through the development of a RAG system from developing a vector database to creating a simple application built on Ollama, Milvus, and Streamlit.

See the post here: https://masoudmim.github.io/blog/2025/rag-system/

#RAG #LLM #MachineLearning
#VectorDatabase #Milvus #Ollama #Streamlit

Desde que regresé a LineageOS me encontré con un inesperado desafío: Ya no podía escuchar música desde la app de YT Music.

Antes usaba una app libre llamada InnerTune, que se rompió completamente desde que Google cambió su API, y hoy en día sigue sin funcionar al menos desde el repositorio oficial. Al ver esto, y dado que tuve que regresar temporalmente a MIUI porque mi universidad me lo exigía, comencé a utilizar YT Music sin más tema. Sin embargo, al haber vuelto a LOS, y al no tener GApps, pues ya la app ni siquiera abre jajaja. Traté de utilizarla desde el navegador web, pero es medio que un martirio; se traba, se pausa, no puedo descargar canciones, y otro puñado de cosas que hicieron que en mí surgiera la necesidad de descargar mi música para tenerla accesible en cualquier momento, y potencialmente en cualquier lugar.

Por esta razón, hago el anuncio de que desarrollé un servicio web para descargar música desde YT Music. Es un servicio con enfoque autohosteable y descentralizado, por lo que cualquier persona con el tiempo y las ganas puede levantarse su propia instancia privada o pública. El proyecto sigue en una etapa temprana, por lo que aún no tiene mucho; descarga canciones individuales y playlists, las comprime en un archivo ZIP y permite descargarlas. También agrega cosas como los metadatos y el AlbumArt para cada canción, y permite descargar en distintos formatos (como mp3, opus, ogg y flac). Poco a poco puliré el software y le agregaré más cosas; mejor aún si alguien comienza a contribuir en el repositorio.

Levantaré una instancia "oficial" en mi dominio, pero no la anunciaré por aquí para evitar que demasiada gente la use, pues eso comprometería mi ancho de banda y aumentaría la vulnerabilidad del proyecto ante ataques o censura. Pondré el link en la sección de "Servicios" de mi página web, y ahí estará para quien lo quiera probar. El repositorio está en https://codeberg.org/Autumn64/Elisifier, y cualquier persona es bienvenida de contribuir, así como de clonar el repositorio y levantar su propia instancia.

¡Muchas gracias por el apoyo!

What does your Spotify account say about your music taste?
I was curious – so I built a little app to find out. Using Python, Streamlit and Plotly, I visualised my top tracks, favourite genres and the release years of the songs I listen to most.

What you need:
Access to the Spotify Web API
A bit of Pandas for analysis
A few lines of code with Plotly
Streamlit to build and run the app

→ The result? A personal, interactive music year in review

I put together a step-by-step guide (beginner-friendly) including code, screenshots, and how to deploy the app on Streamlit Cloud.

Check out the full article here: bit.ly/3SF3VTw

#python #programming #technology #streamlit #spotify #Datavisualization #datascience #datascientist #opensource #api

Friends-Link: https://medium.com/data-science-collective/visualize-your-spotify-data-with-python-and-streamlit-4d4c46bbd39e?sk=12cb785242472daf6d77d024a90ad57c

Explore how to design a #MachineLearning pipeline with built-in observability for credit card fraud detection.

The approach leverages powerful tools like MLflow, Streamlit, Prometheus, Grafana & Evidently AI.

#InfoQ article: https://bit.ly/4l0FrBa

I don’t have Spotify, but I use Strava. So I created my personal Year in Sports Wrapped

Got Strava and want your own? No problem, I turned it into an app https://year-in-sports.streamlit.app/

Step 1: Download your data from Strava. Follow their guide on how to do it: https://support.strava.com/hc/en-us/articles/216918437-Exporting-your-Data-and-Bulk-Export

Step 2: Upload your csv file, chose a year and create your visual.

App made in #python using #streamlit, #matplotlib, #pyfonts, and a few more libraries.

Full code: https://github.com/Lisa-Ho/year-in-sports

My #Mastodon bookmarks (and previously twitter) are like a black hole that sucks in everything but will never show it again. Because there’s no sensible way to find anything ever again. For my own use, I created a small web app based on #streamlit that allows me to search and explore my bookmarks. It’s actually proven quite useful already, and now I decided to share the code as is in case anyone else wants to try it. https://github.com/frederik-elwert/mastodon-bookmark-search/

Ari Lamstein says his "Visualizing the Impact of Covid-19 on US Counties" blog post may be of interest if you want to "learn how to build data apps in Python, as the entire project is released under a permissive license (MIT), and is publicly available on GitHub."
Post: https://arilamstein.com/blog/2024/05/04/visualizing-the-impact-of-covid-19-on-us-counties/
Streamlit app: https://census-explorer.streamlit.app/
GitHub repo: https://github.com/arilamstein/censusdis-streamlit/tree/main

#Python #Streamlit #Covid19 #dataviz #ddj #USCensus @python

New URL for Prediction of Passenger Frequencies at Hardbrücke (#VBZ) in #Zürich.
Using #MachineLearning with #OpenData from #OpenDataZurich
I portet the app to #streamlit. Tell me what you think! https://hardbruecke.streamlit.app/
#DataScience #PublicTransport #Mobility