Maschinelles Lernen und Go (Golang): Ein praktischer Leitfaden

Das Buch „Maschinelles Lernen und Go (Golang)“ ist der erste praxisorientierte Leitfaden in deutscher Sprache, der die Leistungsfähigkeit von Go mit modernen Methoden des maschinellen Lernens vereint. Wenn Sie dachten, ML sei nur Python, wird dieses Buch mit Stereotypen aufräumen. Go bietet hohe Leistung, einfache Parallelisierung und eine unkomplizierte Bereitstellung, was es zur idealen Wahl für ML-Produktionssysteme macht.

Worum geht es in diesem Buch?

Das Buch deckt den gesamten Arbeitszyklus mit ML in Go ab:

• Datenerfassung und -aufbereitung – Arbeiten mit CSV, JSON, Datenbanken, Datenbereinigung und -normalisierung in Go.
• Implementierung von Algorithmen von Grund auf – Lineare Regression, logistische Regression, Entscheidungsbäume, k-Nächste-Nachbarn. Sie nutzen nicht nur vorgefertigte Bibliotheken, sondern verstehen, wie die Algorithmen funktionieren.
• Nutzung beliebter Go-Bibliotheken – golearn, gonum, gorgonia für neuronale Netze, smile für Statistik.
• Bewertung und Validierung von Modellen – Kreuzvalidierung, Metriken (Genauigkeit, Vollständigkeit, F1), ROC-Kurven.
• Integration mit Python – Wie man Python-Modelle aus Go aufruft und umgekehrt, Nutzung von ONNX für den plattformübergreifenden Modellaustausch.
• Produktion – Bereitstellung von ML-Diensten über REST API, gRPC, Arbeit mit Kafka für Streaming-Daten, Modellüberwachung in der Produktion.

Für wen ist dieses Buch?

• Go-Entwickler, die ML in ihren Stack integrieren möchten, ohne auf Python umzusteigen.
• ML-Ingenieure, die nach Alternativen zu Python für hochlastige Systeme suchen.
• Studenten und Dozenten, die maschinelles Lernen mit modernen Sprachen erlernen.
• Alle, die verstehen möchten, wie man production-ready ML-Systeme ohne schwere Frameworks erstellt.

Was werden Sie lernen?

• Wie man grundlegende ML-Algorithmen in Go von Grund auf implementiert.
• Wie man vorgefertigte Bibliotheken zur Beschleunigung der Entwicklung nutzt.
• Wie man große Datenmengen mit Goroutinen und Kanälen verarbeitet.
• Wie man ein Modell in Docker verpackt und in Kubernetes bereitstellt.
• Wie man ML-Code in Go testet und debuggt.

Warum Go für ML?

Go wird zu einer Binärdatei kompiliert, benötigt keine virtuelle Maschine, bietet integrierte Unterstützung für Nebenläufigkeit und eine hervorragende Standardbibliothek. Das Buch zeigt, wie diese Vorteile in echte ML-Lösungen umgesetzt werden: von einfachen Vorhersagen bis hin zu komplexen Empfehlungssystemen.

Jedes Kapitel enthält praktische Beispiele mit Code, der sofort ausgeführt werden kann. Am Ende des Buches erstellen Sie einen vollwertigen Prognosedienst, der für den industriellen Einsatz bereit ist.

Das Buch eignet sich für Niveaus von Junior bis Senior – das Material ist so strukturiert, dass Anfänger die Grundlagen verstehen und erfahrene Entwickler fortgeschrittene Optimierungs- und Deployment-Techniken finden.

Tauchen Sie ein in die Welt des maschinellen Lernens mit Go und entdecken Sie eine neue Art, intelligente und schnelle Anwendungen zu erstellen!