Aprendizaje Automático y C++: Guía Práctica

El libro «Aprendizaje Automático y C++» es la primera guía práctica en su tipo que muestra cómo implementar algoritmos de aprendizaje automático en C++ puro sin usar Python. A diferencia de la mayoría de los libros sobre ML, orientados a Python y sus bibliotecas, esta edición se centra en el alto rendimiento, el control de bajo nivel y la integración de modelos en proyectos C++ existentes.

¿De qué trata este libro?

El autor guía al lector paso a paso desde los conceptos básicos del aprendizaje automático hasta la creación de sus propias redes neuronales. Aprenderá cómo:

• Implementar regresión lineal y logística utilizando la biblioteca Eigen para trabajar con matrices;
• Construir árboles de decisión y bosques aleatorios sin dependencias externas;
• Usar OpenCV para el preprocesamiento de imágenes y la extracción de características;
• Integrar TensorFlow C++ API para cargar y ejecutar modelos preentrenados;
• Optimizar el código mediante multiprocesamiento (OpenMP) e instrucciones SIMD;
• Implementar modelos entrenados en producción, desde sistemas embebidos hasta servidores de alta carga.

¿Para quién es este libro?

• Desarrolladores de C++ que deseen añadir ML a su conjunto de herramientas;
• Ingenieros que trabajan en sistemas de alto rendimiento (robótica, finanzas, juegos, IoT);
• Estudiantes e investigadores que quieran comprender el funcionamiento interno de los algoritmos de ML sin «cajas negras»;
• Todos aquellos que estén cansados de Python y busquen soluciones más rápidas y predecibles para el aprendizaje automático.

¿Qué aprenderá después de la lectura?

• Cómo escribir su propia biblioteca de aprendizaje automático desde cero;
• Cómo trabajar eficientemente con grandes volúmenes de datos utilizando las características de C++ (punteros inteligentes, semántica de movimiento, contenedores STL);
• Cómo perfilar y acelerar algoritmos de ML: desde la optimización de caché hasta la computación en GPU mediante CUDA;
• Cómo integrar modelos de ML en C++ en aplicaciones web (a través de REST API) o aplicaciones móviles (a través de JNI);
• Ejemplos reales: detección de anomalías en registros, predicción de precios de acciones, clasificación de imágenes en Raspberry Pi.

El libro contiene más de 50 ejemplos de código listos para usar, disponibles para descargar. Todos los ejemplos han sido probados en GCC y Clang bajo Linux, macOS y Windows. El autor utiliza el estándar moderno C++17/20, lo que hace que el código sea actual y seguro.

Si desea ir más allá de Python y aprender a crear soluciones de ML verdaderamente rápidas y compactas, este libro es para usted.