Машинное обучение и Rust: от теории к production-коду

Эта книга — практическое руководство по применению языка Rust в задачах машинного обучения. Если вы уже знакомы с ML на Python (sklearn, PyTorch, TensorFlow) и хотите перенести свои навыки в экосистему Rust — это издание для вас. Автор, Алексей Ветров, senior-инженер с 10-летним опытом в продакшене, шаг за шагом показывает, как строить быстрые и безопасные ML-системы.

О чём книга:

• Основы работы с данными в Rust: библиотеки ndarray, polars, csv.
• Реализация классических алгоритмов (линейная регрессия, kNN, деревья решений) без фреймворков.
• Использование современных ML-библиотек: linfa, smartcore, burn.
• Инференс и сервинг моделей: загрузка ONNX, TensorFlow SavedModel, работа с tract.
• Оптимизация производительности: параллелизм (rayon), SIMD, кэширование, работа с большими данными.
• Сборка production-пайплайнов: обработка ошибок, логирование, бенчмаркинг.
• Развёртывание ML-сервисов: REST API на Actix-web, gRPC, WebAssembly для браузера.

Для кого эта книга:

• Data Scientist и ML-инженеры, уставшие от медленных пайплайнов на Python.
• Rust-разработчики, которые хотят освоить машинное обучение.
• Инженеры, работающие над embedded-системами, edge-устройствами или real-time приложениями.
• Все, кто хочет писать ML-код, который не падает с ошибками памяти и работает в 10 раз быстрее.

Что вы узнаете:

• Как загружать, чистить и преобразовывать данные эффективнее, чем в pandas.
• Как обучить модель «с нуля» на Rust и сравнить её точность с Python-аналогами.
• Как сериализовать модель и запускать её на сервере без зависимостей от Python.
• Как использовать систему типов Rust для предотвращения ошибок в ML-пайплайнах.
• Как интегрировать Rust-модуль в существующий Python-проект через PyO3.

Все примеры кода доступны на GitHub и протестированы на реальных датасетах. Книга написана понятным языком, с акцентом на практику, без излишней теории. Идеально подходит для самостоятельного изучения и как справочник для продакшена.

Погрузитесь в мир быстрого, надёжного и современного машинного обучения на Rust!