Kotlin Data Science. Wissenschaft über Daten mit Kotlin

Einleitung

Das Buch „Kotlin Data Science“ (Autor: David Katzman, 2020, 320 Seiten) ist der erste umfassende Leitfaden zur Anwendung der Sprache Kotlin im Bereich Data Science. Während Python und R weiterhin die dominierenden Werkzeuge für die Datenanalyse sind, bietet Kotlin einzigartige Vorteile: statische Typisierung, prägnante Syntax, vollständige Java-Kompatibilität und hervorragende Leistung. Der Autor stellt sich der ehrgeizigen Aufgabe zu zeigen, dass Kotlin nicht nur eine Alternative, sondern eine vollwertige Plattform für den Aufbau von End-to-End-Datenpipelines sein kann – von der Erfassung und Bereinigung bis hin zur Visualisierung und Bereitstellung von Machine-Learning-Modellen.

Worum es in diesem Buch geht

Das Buch ist in drei logische Teile gegliedert, die jeweils die wichtigsten Phasen der Datenverarbeitung abdecken. Der erste Teil führt in die Grundlagen von Kotlin für Data Science ein: Einrichtung der Umgebung, Arbeit mit Collections, funktionale Programmierung und Integration mit Jupyter Notebooks über die Bibliothek Kotlin Kernel. Der zweite Teil widmet sich Bibliotheken für die Datenanalyse: Kotlin DataFrame (Analogon zu pandas), Kravis (Visualisierung im Stil von ggplot2) und KMath (numerische Berechnungen). Der dritte Teil ist der praktischste: Er behandelt Machine Learning mit KotlinDL (Deep Learning) und Smile (statistische Modelle) sowie die Bereitstellung von Modellen über REST API und die Integration mit Cloud-Diensten.