Apprentissage automatique et Kotlin : guide pratique

Le livre « Apprentissage automatique et Kotlin » est le premier guide pratique en français qui montre comment construire des modèles d'apprentissage automatique en utilisant l'écosystème Kotlin et JVM, sans avoir besoin d'écrire du code en Python. L'auteur — Alexeï Voronov, Senior ML Engineer et passionné de Kotlin, partage son expérience de plusieurs années d'intégration du ML dans des applications Kotlin industrielles.

De quoi parle ce livre ?

Le livre couvre le cycle complet de travail avec les données et les modèles en Kotlin :

• Bases de l'apprentissage automatique — régression linéaire, arbres de décision, SVM, clustering. Théorie et immédiatement du code en Kotlin.
• Bibliothèques pour le ML sur JVM — analyse détaillée de KotlinDL (équivalent de Keras pour Kotlin), Smile (statistiques et ML), DeepLearning4J (réseaux de neurones). Comparaison des performances.
• Travail avec les données — chargement, nettoyage, visualisation avec les bibliothèques Kotlin (kravis, lets-plot). Pandas n'est pas nécessaire.
• Apprentissage profond — réseaux de neurones convolutionnels et récurrents, transformeurs. Exemples : classification d'images, analyse de texte.
• ML en production — packaging des modèles dans une API REST (Ktor, Spring Boot), export en ONNX, travail avec MLflow.
• Kotlin Multiplatform pour le ML — exécution de modèles sur Android, iOS et serveur.

À qui s'adresse ce livre ?

• Développeurs Java/Kotlin qui souhaitent intégrer l'apprentissage automatique dans leurs projets sans vouloir apprendre Python et ses frameworks.
• Data Scientists souhaitant maîtriser Kotlin comme alternative pour le code de production.
• Étudiants et enseignants étudiant le ML sur JVM.

Qu'allez-vous apprendre après la lecture ?

• Comment choisir la bibliothèque adaptée à la tâche : de la simple régression aux modèles de type GPT.
• Comment lire et traiter des données sans Python (CSV, JSON, Parquet, bases de données).
• Comment construire un réseau de neurones avec KotlinDL en 10 lignes de code.
• Comment optimiser un modèle pour JVM et utiliser le GPU via CUDA.
• Comment déployer un modèle dans un microservice sur Ktor et le connecter au frontend.

Pourquoi Kotlin pour le ML ?

Kotlin est un langage typé statiquement fonctionnant sur JVM. Il combine la concision de Python avec les performances de Java. En utilisant Kotlin pour le ML, vous obtenez :

• Une pile technologique unifiée (backend + ML + applications mobiles).
• Moins d'erreurs de type à la compilation.
• Une vitesse d'exécution élevée (compilation JIT).
• Une intégration facile avec l'infrastructure existante (Spring, Ktor, Gradle).

Le livre contient plus de 50 exemples pratiques prêts à être exécutés. Le code source est disponible sur GitHub. Il convient aussi bien aux débutants qu'aux ingénieurs ML expérimentés.

Format : PDF, EPUB. Volume : 480 pages.