التعلم الآلي وKotlin: دليل عملي

كتاب «التعلم الآلي وKotlin» هو أول دليل عملي باللغة الروسية يوضح كيفية بناء نماذج التعلم الآلي باستخدام نظام Kotlin وJVM، دون الحاجة إلى كتابة كود بلغة Python. المؤلف — أليكسي فورونوف، مهندس ML أول ومتحمس لـKotlin، يشارك خبرته الممتدة لسنوات في دمج ML في تطبيقات Kotlin الصناعية.

عن ماذا يتحدث هذا الكتاب؟

يغطي الكتاب الدورة الكاملة للعمل مع البيانات والنماذج بلغة Kotlin:

• أساسيات التعلم الآلي — الانحدار الخطي، أشجار القرار، SVM، التجميع. النظرية وكود مباشر بلغة Kotlin.
• مكتبات ML على JVM — تحليل مفصل لـKotlinDL (مشابه لـKeras في Kotlin)، Smile (الإحصاء وML)، DeepLearning4J (الشبكات العصبية). مقارنة الأداء.
• العمل مع البيانات — التحميل، التنظيف، التصور باستخدام مكتبات Kotlin (kravis, lets-plot). لا حاجة لـPandas.
• التعلم العميق — الشبكات العصبية التلافيفية والمتكررة، المحولات. أمثلة: تصنيف الصور، تحليل النصوص.
• ML في الإنتاج — تغليف النماذج في REST API (Ktor, Spring Boot)، التصدير إلى ONNX، العمل مع MLflow.
• Kotlin Multiplatform لـML — تشغيل النماذج على Android وiOS والخادم.

لمن هذا الكتاب؟

• مطوري Java/Kotlin الذين يرغبون في دمج التعلم الآلي في مشاريعهم، لكنهم لا يريدون تعلم Python وأطر العمل الخاصة به.
• علماء البيانات الراغبين في إتقان Kotlin كبديل لكود الإنتاج.
• الطلاب والمدرسين الذين يدرسون ML على JVM.

ماذا ستتعلم بعد القراءة؟

• كيفية اختيار المكتبة المناسبة للمهمة: من الانحدار البسيط إلى نماذج شبيهة بـGPT.
• كيفية قراءة ومعالجة البيانات بدون Python (CSV, JSON, Parquet, قواعد البيانات).
• كيفية بناء شبكة عصبية باستخدام KotlinDL في 10 أسطر من الكود.
• كيفية تحسين النموذج لـJVM واستخدام GPU عبر CUDA.
• كيفية نشر النموذج في خدمة مصغرة على Ktor وربطه بالواجهة الأمامية.

لماذا Kotlin لـML؟

Kotlin هي لغة مكتوبة بشكل ثابت تعمل على JVM. تجمع بين إيجاز Python وأداء Java. باستخدام Kotlin لـML، تحصل على:

• مجموعة تقنيات موحدة (الخلفية + ML + تطبيقات الجوال).
• أخطاء أنواع أقل في مرحلة التجميع.
• سرعة تنفيذ عالية (ترجمة JIT).
• تكامل سهل مع البنية التحتية الحالية (Spring, Ktor, Gradle).

يحتوي الكتاب على أكثر من 50 مثالاً عملياً جاهزاً للتشغيل. الكود المصدري متاح على GitHub. مناسب للمبتدئين والمهندسين ذوي الخبرة في ML.

التنسيق: PDF, EPUB. الحجم: 480 صفحة.