Aprendizaje Automático y Kotlin: de la idea al modelo en producción

Si eres desarrollador Kotlin y quieres dominar el aprendizaje automático sin pasarte a Python, este libro es para ti. Dmitry Volkov, ingeniero en activo con diez años de experiencia, muestra cómo construir sistemas ML completos en el lenguaje nativo de la JVM, utilizando todo el poder del ecosistema Kotlin y la compatibilidad con las populares bibliotecas de Python.

El libro está dividido en cuatro partes lógicas:

• Fundamentos de ML en Kotlin — el aparato matemático (álgebra lineal, estadística, optimización) con ejemplos en Kotlin puro. Aprenderás a implementar regresión lineal, regresión logística y el método de k-vecinos más cercanos sin dependencias externas.



• Bibliotecas y herramientas — una inmersión profunda en Koma (cálculo matricial), KotlinDL (redes neuronales de JetBrains), DeepLearning4J (Deep Learning industrial) e integración con TensorFlow a través de la API de Java. Aprenderás a cargar modelos preentrenados y a ajustarlos para tus propias tareas.



• Integración con el ecosistema Python — ejecución de scripts de Python mediante ProcessBuilder, uso de Jupyter Notebooks para prototipado y aplicación de DJL (Deep Java Library) para trabajar sin problemas con modelos de PyTorch y TensorFlow directamente desde código Kotlin.



• Sistemas ML en producción — construcción de pipelines de procesamiento de datos, serialización de modelos en formatos PMML y ONNX, despliegue mediante Spring Boot, monitoreo de deriva de datos y pruebas A/B de modelos en tiempo real.

Se presta especial atención a casos prácticos:

• Clasificación de reseñas de texto utilizando NLP en Kotlin
• Predicción de series temporales (ventas, tráfico) con redes recurrentes
• Sistema de recomendación basado en filtrado colaborativo
• Detección de anomalías en registros de servidor
• Visión por computadora: clasificación de imágenes con KotlinDL

Todos los ejemplos están acompañados de código funcional, disponible en el repositorio. Aprenderás no solo a entrenar modelos, sino también a integrarlos en aplicaciones reales, desde Android hasta microservicios de servidor. El libro es adecuado para desarrolladores familiarizados con los fundamentos de Kotlin y Java, pero no requiere conocimientos previos en ML. Para aquellos que quieren permanecer en el ecosistema JVM sin sacrificar las capacidades modernas de Data Science.

Al final, te espera un proyecto transversal: la creación de un servicio ML para predecir la pérdida de clientes, desde la recopilación de datos hasta el despliegue en Kubernetes utilizando Ktor y Kafka. Obtendrás una plantilla lista para construir tus propios productos ML en Kotlin.

El libro está publicado en tapa dura, contiene más de 400 páginas, más de 80 ilustraciones y códigos QR para videotutoriales. La elección ideal para quienes quieren escribir aprendizaje automático en el lenguaje que conocen y aman.