Aprendizaje Automático y C# (.NET): De los Fundamentos a la Producción

El libro «Aprendizaje Automático y C# (.NET)» es una guía práctica para desarrolladores de C# que desean dominar el aprendizaje automático (ML) e integrarlo en sus aplicaciones .NET. A diferencia de muchos libros centrados exclusivamente en Python, esta edición se enfoca en el ecosistema .NET, incluyendo la biblioteca ML.NET, TensorFlow.NET y otras herramientas.

De qué trata este libro

Recorrerá el camino desde los conceptos básicos del aprendizaje automático hasta la creación de soluciones completas de ML listas para su implementación en producción. El libro cubre:

\n
• Fundamentos del aprendizaje automático: tipos de tareas (regresión, clasificación, agrupamiento), métricas de calidad, sobreajuste y regularización.
\n
• Trabajo con datos en C#: carga, limpieza, transformación y visualización de datos usando LINQ y la biblioteca Accord.NET.
\n
• ML.NET — el framework de ML de Microsoft: creación de modelos, ajuste automático de hiperparámetros (AutoML), exportación e integración en aplicaciones.
\n
• Aprendizaje profundo: uso de TensorFlow.NET y TorchSharp para construir redes neuronales (CNN, RNN, transformadores).
\n
• Implementación de modelos: creación de API con ASP.NET Core, integración con servicios en la nube Azure ML y contenerización con Docker.
\n
• Proyectos prácticos: análisis de sentimiento de textos, predicción de abandono de clientes, reconocimiento de imágenes y sistemas de recomendación.
\n

Para quién es este libro

\n
• Desarrolladores .NET que deseen ampliar sus habilidades en Ciencia de Datos e IA.
\n
• Programadores de C# que quieran implementar aprendizaje automático en aplicaciones empresariales existentes.
\n
• Estudiantes e ingenieros de ML principiantes familiarizados con C#, pero sin experiencia en aprendizaje automático.
\n
• Líderes técnicos que evalúan las capacidades de .NET para tareas de inteligencia artificial.
\n

Qué aprenderá

\n
• Cómo preparar datos para modelos de ML utilizando las capacidades de C# y .NET.
\n
• Cómo entrenar modelos de regresión, clasificación, agrupamiento y ranking en la plataforma .NET.
\n
• Cómo trabajar con redes neuronales, incluyendo transformadores y arquitecturas convolucionales, sin cambiar a Python.
\n
• Cómo automatizar el proceso de selección del mejor modelo con ML.NET AutoML.
\n
• Cómo integrar modelos entrenados en aplicaciones web, programas de escritorio y microservicios.
\n
• Cómo probar y monitorear modelos de ML en un entorno de producción.
\n

Todos los ejemplos de código están disponibles en el repositorio y completamente listos para ejecutarse. El libro está escrito en un lenguaje sencillo, con énfasis en la práctica y escenarios de uso reales. Después de leerlo, podrá aplicar con confianza el aprendizaje automático en sus proyectos con C# y .NET.