C# (.NET) für Data Science: Von den Grundlagen bis zu Production-Modellen

Die Welt der Data Science wird traditionell mit Python assoziiert, aber die .NET-Plattform bietet leistungsstarke und ausgereifte Werkzeuge für den Aufbau von Datenpipelines, maschinellem Lernen und Analytik. Das Buch „C# (.NET) for Data Science“ ist der erste umfassende Leitfaden auf Deutsch, der beweist: C# ist eine vollwertige Sprache für Data-Science-Aufgaben, insbesondere in Unternehmensumgebungen, in denen bereits der Microsoft-Stack verwendet wird.

Worum geht es in diesem Buch?

Das Buch deckt den gesamten Datenlebenszyklus im .NET-Ökosystem ab:

• Datenerfassung und -bereinigung: Arbeit mit CSV, JSON, Datenbanken (SQL Server, PostgreSQL), Stream-Verarbeitung mit LINQ und der Bibliothek DataFrame aus Microsoft.Data.Analysis.
• Statistische Analyse und Visualisierung: Nutzung von ML.NET, MathNet.Numerics für statistische Tests, Erstellung von Diagrammen mit Plotly.NET und LiveCharts2.
• Maschinelles Lernen: Training von Klassifikations-, Regressions-, Clustering- und Empfehlungssystemmodellen mit ML.NET. Export von Modellen nach ONNX für die plattformübergreifende Nutzung.
• Deep Learning: Integration mit TensorFlow.NET und TorchSharp für neuronale Netze.
• Production-Bereitstellung: Verpacken von Modellen in Webservices (ASP.NET Core), Erstellung von Konsolentools, Pipelines in Azure ML und Docker-Containern.
• Integration mit Python: Aufruf von Python-Skripten aus C#, Nutzung von Python.NET und Zusammenarbeit der beiden Ökosysteme.

Für wen ist dieses Buch?

• .NET-Entwickler, die Data Science erlernen möchten, ohne ihre gewohnte Visual Studio / Rider-Umgebung zu verlassen.
• Datenanalysten, die in Unternehmen mit .NET-Infrastruktur arbeiten und eine Alternative zu Python suchen.
• Studenten und Einsteiger, die verstehen möchten, wie man C# für Datenanalyse und ML einsetzt.
• Teamleiter und Architekten, die die Möglichkeiten von .NET für den Aufbau unternehmensweiter Datenlösungen bewerten.

Was werden Sie lernen?

• Wie man große Datenmengen mit parallelen Streams und System.Threading.Tasks.Dataflow verarbeitet.
• Wie man in 15 Minuten einen Endpunkt für Vorhersagen mit ASP.NET Core erstellt.
• Wie man ML.NET für Aufgaben ohne komplexe Codierung nutzt – dank AutoML.
• Wie man Analyseergebnisse im Web und auf dem Desktop visualisiert.
• Wie man Modelle in der Produktion testet und überwacht.

Das Buch enthält Dutzende fertige Beispiele, die im GitHub-Repository verfügbar sind. Alle Beispiele sind in C# 12 und .NET 8/9 geschrieben. Sie können sie Schritt für Schritt nachvollziehen, auch wenn Sie sich zuvor noch nicht mit Data Science beschäftigt haben.

„C# (.NET) for Data Science“ ist die Brücke zwischen klassischer Entwicklung und moderner Analytik. Nach der Lektüre werden Sie in der Lage sein, eigenständig Datenverarbeitungspipelines zu erstellen, Modelle zu trainieren und in reale Projekte zu integrieren – unter Nutzung der gesamten Leistungsfähigkeit der .NET-Plattform.