التعلم الآلي بلغة C# (.NET): من الأساسيات إلى الإنتاج

كتاب "التعلم الآلي بلغة C# (.NET)" هو دليل عملي لمطوري .NET الذين يرغبون في دمج الذكاء الاصطناعي في تطبيقاتهم دون الانتقال إلى Python. المؤلف، أليكسي إيغناتييف، يأخذ القارئ خطوة بخطوة من أساسيات الإحصاء والجبر الخطي إلى إنشاء خطوط أنابيب كاملة لتدريب النماذج واستنتاجها على منصة .NET.

عن ماذا يتحدث هذا الكتاب

• ML.NET: التثبيت، التكوين، العمل مع AutoML والمدربين المخصصين.
• مهام التعلم الآلي: الانحدار، التصنيف الثنائي ومتعدد الفئات، التجميع (K-Means)، اكتشاف الشذوذ.
• العمل مع البيانات: التحميل من CSV، SQL، NoSQL؛ التنظيف، التطبيع، الترميز الأحادي الساخن، إنشاء الميزات.
• الشبكات العصبية: تنفيذ المدرك متعدد الطبقات، الشبكات الالتفافية (CNN) للصور والشبكات المتكررة (LSTM) للسلاسل الزمنية باستخدام TensorFlow.NET و SciSharp.
• ONNX: تصدير/استيراد النماذج، دمج الشبكات العصبية الجاهزة من PyTorch أو TensorFlow في C#.
• النشر: نشر النموذج كخدمة مصغرة (ASP.NET Core Web API)، استخدامه في تطبيقات سطح المكتب (WPF/WinForms) والتطبيقات المحمولة (Xamarin/MAUI).
• الأداء: تعدد المهام، تسريع GPU (CUDA)، قياس الأداء واختبار A/B للنماذج.

لمن هذا الكتاب

الكتاب موجه لـ مطوري C# من أي مستوى في التعلم الآلي:

• المبتدئون — سيجدون إرشادات خطوة بخطوة وأمثلة جاهزة من الصفر.
• ذوو الخبرة — سيتعلمون كيفية تحسين خطوط الأنابيب، العمل مع البيانات الضخمة ودمج التعلم الآلي في البنية التحتية الحالية.
• علماء البيانات (Data Scientists) المنتقلون إلى .NET — سيفهمون كيفية تكييف الأساليب المألوفة مع نظام Microsoft البيئي.

ماذا ستتعلم

• كيفية بناء نموذج للتنبؤ بأسعار المساكن في 30 دقيقة.
• كيفية تدريب مصنف لتحليل المشاعر في النصوص.
• كيفية نشر نموذج في حاوية Docker على Azure/AWS.
• كيفية استخدام الشبكات العصبية المدربة مسبقًا للتعرف على الأشياء في الصور.
• كيفية تجنب الأخطاء الشائعة: الإفراط في التجهيز، عدم توازن الفئات، تسرب البيانات.

جميع أمثلة الكود متاحة في مستودع GitHub وتم اختبارها على .NET 8/9. يحتوي الكتاب على أكثر من 50 مهمة عملية و 3 مشاريع شاملة: من تحليل البيانات إلى تطبيق ويب جاهز.

هام: لا يتطلب الكتاب معرفة مسبقة بـ Python أو الرياضيات فوق المستوى المدرسي — يتم شرح الصيغ الضرورية على مستوى بديهي مع رسوم توضيحية.