Maschinelles Lernen und C# (.NET): Von den Grundlagen bis zur Produktion

Das Buch „Maschinelles Lernen und C# (.NET)“ ist ein praktischer Leitfaden für C#-Entwickler, die maschinelles Lernen (ML) erlernen und in ihre .NET-Anwendungen integrieren möchten. Im Gegensatz zu vielen Büchern, die sich ausschließlich auf Python konzentrieren, liegt der Fokus dieser Ausgabe auf dem .NET-Ökosystem, einschließlich der Bibliothek ML.NET, TensorFlow.NET und anderer Tools.

Worum geht es in diesem Buch

Sie werden den Weg von den grundlegenden Konzepten des maschinellen Lernens bis zur Erstellung vollwertiger, für den Einsatz in der Produktion bereiter ML-Lösungen gehen. Das Buch behandelt:

\n
• Grundlagen des maschinellen Lernens: Aufgabentypen (Regression, Klassifikation, Clustering), Qualitätsmetriken, Überanpassung und Regularisierung.
\n
• Arbeiten mit Daten in C#: Laden, Bereinigen, Transformieren und Visualisieren von Daten mit LINQ und der Bibliothek Accord.NET.
\n
• ML.NET – das ML-Framework von Microsoft: Erstellen von Modellen, automatische Hyperparameter-Auswahl (AutoML), Export und Integration in Anwendungen.
\n
• Tiefes Lernen: Verwendung von TensorFlow.NET und TorchSharp zum Erstellen neuronaler Netze (CNN, RNN, Transformer).
\n
• Bereitstellung von Modellen: Erstellen von APIs mit ASP.NET Core, Integration mit Cloud-Diensten wie Azure ML und Docker-Containerisierung.
\n
• Praktische Projekte: Textstimmungsanalyse, Vorhersage der Kundenabwanderung, Bilderkennung und Empfehlungssysteme.
\n

Für wen ist dieses Buch

\n
• .NET-Entwickler, die ihre Fähigkeiten im Bereich Data Science und KI erweitern möchten.
\n
• C#-Programmierer, die maschinelles Lernen in bestehende Unternehmensanwendungen integrieren möchten.
\n
• Studenten und angehende ML-Ingenieure, die mit C# vertraut sind, aber keine Erfahrung im maschinellen Lernen haben.
\n
• Technische Leiter, die die Möglichkeiten von .NET für Aufgaben der künstlichen Intelligenz bewerten.
\n

Was Sie lernen werden

\n
• Wie Sie Daten für ML-Modelle mit den Möglichkeiten von C# und .NET vorbereiten.
\n
• Wie Sie Modelle für Regression, Klassifikation, Clustering und Ranking auf der .NET-Plattform trainieren.
\n
• Wie Sie mit neuronalen Netzen arbeiten, einschließlich Transformatoren und Faltungsarchitekturen, ohne auf Python umsteigen zu müssen.
\n
• Wie Sie den Prozess der Auswahl des besten Modells mit ML.NET AutoML automatisieren.
\n
• Wie Sie trainierte Modelle in Webanwendungen, Desktop-Programme und Microservices integrieren.
\n
• Wie Sie ML-Modelle in einer Produktionsumgebung testen und überwachen.
\n

Alle Codebeispiele sind im Repository verfügbar und vollständig ausführbar. Das Buch ist in einfacher Sprache geschrieben, mit Schwerpunkt auf Praxis und realen Anwendungsszenarien. Nach der Lektüre werden Sie maschinelles Lernen sicher in Ihren C#- und .NET-Projekten einsetzen können.