التعلم الآلي وGo (Golang): من الأساسيات إلى الإنتاج

هذا الكتاب هو أول دليل عملي باللغة العربية لبناء أنظمة التعلم الآلي بلغة Go. إذا كنت مطور Go يرغب في دمج ML في مشاريعك، أو عالم بيانات مهتم بلغة فعالة وموثوقة للإنتاج، فهذا الكتاب لك.

عن ماذا يتحدث الكتاب

يغطي الكتاب الدورة الكاملة للعمل مع التعلم الآلي بلغة Go: من جمع البيانات ومعالجتها الأولية، بناء النماذج (الانحدار الخطي، أشجار القرار، الشبكات العصبية) إلى نشرها في بنية الخدمات المصغرة. يتم إيلاء اهتمام خاص لـ:

• المكتبات والأطر: golearn، Gorgonia، gonum، tfgo (TensorFlow لـ Go);
• معالجة كميات كبيرة من البيانات باستخدام القنوات (channels) والغوروتينات;
• التكامل مع خدمات ML الخارجية (TensorFlow Serving، ONNX Runtime);
• إنشاء واجهات REST/gRPC API للنماذج;
• اختبار ومراقبة واختبار A/B لأنظمة ML.

لمن هذا الكتاب

• مطورو Go الذين يرغبون في إضافة التعلم الآلي إلى مجموعتهم التقنية;
• علماء البيانات الذين يرغبون في الانتقال من Python إلى Go الأكثر كفاءة;
• مهندسو DevOps المسؤولون عن نشر نماذج ML;
• الطلاب وأساتذة دورات التعلم الآلي.

ماذا ستتعلم

• كيفية اختيار الأداة المناسبة لمهمة ML محددة بلغة Go;
• كيفية بناء وتدريب نموذج الانحدار والتصنيف والتجميع;
• كيفية تحسين النموذج للتحميل العالي وزمن الاستجابة المنخفض;
• كيفية دمج النموذج في خدمة Go موجودة (مثل إطار Gin أو Echo);
• كيفية استخدام ONNX لنقل النماذج بين Python وGo;
• كيفية كتابة اختبارات الوحدة لمكونات ML وإدارة إصدارات النماذج (DVC، Git LFS).

لماذا Go لـ ML؟

يجمع Go بين أداء C/C++ وبساطة Python. إنه مثالي للإنتاج: كتابة ثابتة، ترجمة سريعة، دعم مدمج للتوازي. يوضح الكتاب كيف تساعد هذه المزايا في بناء أنظمة ML قابلة للتوسع وموثوقة.

مثال من الكتاب

في الفصل 5، ستقوم بتنفيذ خدمة توصيات تعتمد على التصفية التعاونية - من تحميل البيانات من CSV إلى النشر في Docker مع Kubernetes. الكود الكامل والاختبارات متاحة في المستودع.

الكتاب موجه للقراء ذوي المعرفة الأساسية بلغة Go (بناء الجملة، الهياكل، الواجهات) وأساسيات التعلم الآلي (ما هي الميزات، المقاييس، الإفراط في التجهيز).