التعلم الآلي وRust: من النظرية إلى كود الإنتاج

هذا الكتاب هو دليل عملي لاستخدام لغة Rust في مهام التعلم الآلي. إذا كنت بالفعل على دراية بـ ML بلغة Python (sklearn، PyTorch، TensorFlow) وترغب في نقل مهاراتك إلى نظام Rust البيئي - فهذا الإصدار مناسب لك. المؤلف، أليكسي فيتروف، مهندس أول بخبرة 10 سنوات في الإنتاج، يوضح خطوة بخطوة كيفية بناء أنظمة ML سريعة وآمنة.

عن ماذا يتحدث الكتاب:

• أساسيات العمل مع البيانات في Rust: المكتبات ndarray، polars، csv.
• تنفيذ الخوارزميات الكلاسيكية (الانحدار الخطي، kNN، أشجار القرار) بدون أطر عمل.
• استخدام مكتبات ML الحديثة: linfa، smartcore، burn.
• الاستدلال وخدمة النماذج: تحميل ONNX، TensorFlow SavedModel، العمل مع tract.
• تحسين الأداء: التوازي (rayon)، SIMD، التخزين المؤقت، العمل مع البيانات الضخمة.
• بناء خطوط أنابيب الإنتاج: معالجة الأخطاء، التسجيل، قياس الأداء.
• نشر خدمات ML: REST API باستخدام Actix-web، gRPC، WebAssembly للمتصفح.

لمن هذا الكتاب:

• علماء البيانات ومهندسو ML الذين سئموا من خطوط الأنابيب البطيئة بلغة Python.
• مطورو Rust الذين يرغبون في تعلم التعلم الآلي.
• المهندسون الذين يعملون على الأنظمة المدمجة، أجهزة الحافة أو التطبيقات في الوقت الفعلي.
• كل من يريد كتابة كود ML لا يتعطل بأخطاء الذاكرة ويعمل أسرع بعشر مرات.

ماذا ستتعلم:

• كيفية تحميل البيانات وتنظيفها وتحويلها بكفاءة أكبر من pandas.
• كيفية تدريب نموذج "من الصفر" بلغة Rust ومقارنة دقته مع نظائره بلغة Python.
• كيفية تسلسل النموذج وتشغيله على خادم بدون تبعيات Python.
• كيفية استخدام نظام الأنواع في Rust لمنع الأخطاء في خطوط أنابيب ML.
• كيفية دمج وحدة Rust في مشروع Python موجود عبر PyO3.

جميع أمثلة الكود متاحة على GitHub وتم اختبارها على مجموعات بيانات حقيقية. الكتاب مكتوب بلغة واضحة، مع التركيز على التطبيق العملي، دون نظرية زائدة. مثالي للدراسة الذاتية وكمرجع للإنتاج.

اغوص في عالم التعلم الآلي السريع والموثوق والحديث بلغة Rust!