Maschinelles Lernen und Rust: Von der Theorie zum Production-Code

Dieses Buch ist ein praktischer Leitfaden zur Anwendung der Sprache Rust in Aufgaben des maschinellen Lernens. Wenn Sie bereits mit ML in Python (sklearn, PyTorch, TensorFlow) vertraut sind und Ihre Fähigkeiten in das Rust-Ökosystem übertragen möchten, ist diese Ausgabe genau das Richtige für Sie. Der Autor, Alexey Vetrov, Senior-Ingenieur mit 10 Jahren Erfahrung in der Produktion, zeigt Schritt für Schritt, wie Sie schnelle und sichere ML-Systeme aufbauen.

Worum geht es in dem Buch:

• Grundlagen der Datenverarbeitung in Rust: Bibliotheken ndarray, polars, csv.
• Implementierung klassischer Algorithmen (lineare Regression, kNN, Entscheidungsbäume) ohne Frameworks.
• Verwendung moderner ML-Bibliotheken: linfa, smartcore, burn.
• Inferenz und Serving von Modellen: Laden von ONNX, TensorFlow SavedModel, Arbeit mit tract.
• Leistungsoptimierung: Parallelisierung (rayon), SIMD, Caching, Arbeit mit großen Datenmengen.
• Aufbau von Production-Pipelines: Fehlerbehandlung, Logging, Benchmarking.
• Bereitstellung von ML-Diensten: REST-API mit Actix-web, gRPC, WebAssembly für den Browser.

Für wen ist dieses Buch:

• Data Scientists und ML-Ingenieure, die von langsamen Python-Pipelines genug haben.
• Rust-Entwickler, die maschinelles Lernen erlernen möchten.
• Ingenieure, die an Embedded-Systemen, Edge-Geräten oder Echtzeitanwendungen arbeiten.
• Alle, die ML-Code schreiben möchten, der nicht mit Speicherfehlern abstürzt und 10-mal schneller läuft.

Was Sie lernen werden:

• Wie Sie Daten effizienter laden, bereinigen und transformieren als in pandas.
• Wie Sie ein Modell von Grund auf in Rust trainieren und seine Genauigkeit mit Python-Äquivalenten vergleichen.
• Wie Sie ein Modell serialisieren und auf einem Server ohne Python-Abhängigkeiten ausführen.
• Wie Sie das Typsystem von Rust nutzen, um Fehler in ML-Pipelines zu vermeiden.
• Wie Sie ein Rust-Modul über PyO3 in ein bestehendes Python-Projekt integrieren.

Alle Codebeispiele sind auf GitHub verfügbar und an realen Datensätzen getestet. Das Buch ist in verständlicher Sprache geschrieben, mit Fokus auf Praxis, ohne überflüssige Theorie. Ideal zum Selbststudium und als Nachschlagewerk für die Produktion.

Tauchen Sie ein in die Welt des schnellen, zuverlässigen und modernen maschinellen Lernens mit Rust!