Recetas de Machine Learning en Kotlin

Introducción

El libro «Kotlin ML Recipes» (autor — Ajay Balamurugadas, año 2022, 280 páginas) es una colección de soluciones prácticas para tareas de machine learning implementadas en el lenguaje Kotlin. A diferencia de muchos libros orientados a Python, esta edición llena un nicho para desarrolladores que trabajan en el ecosistema JVM y prefieren Kotlin por su concisión, seguridad y compatibilidad con Java. El libro fue publicado por Apress y está dirigido a ingenieros que desean integrar modelos de ML directamente en código de producción sin cambiar a otros lenguajes.

De qué trata el libro

«Kotlin ML Recipes» no es un libro de texto teórico sobre estadística o algoritmos, sino una guía práctica en formato de «recetas» (recipes). Cada capítulo contiene tareas específicas, instrucciones paso a paso y código listo para usar. El autor cubre el ciclo completo de trabajo con datos: desde la carga y el preprocesamiento hasta el entrenamiento de modelos, la evaluación y el despliegue. Los temas principales incluyen:

• Trabajo con librerías de Kotlin para ML (Koma, Smile, KotlinDL, Deep Learning for JVM);
• Integración con frameworks populares de Java (Weka, Deeplearning4j, TensorFlow Java);
• Algoritmos clásicos: regresión lineal, árboles de decisión, random forest, SVM;
• Redes neuronales y deep learning usando KotlinDL;
• Procesamiento de texto y NLP (tokenización, TF-IDF, Word2Vec);
• Trabajo con imágenes y redes convolucionales;
• Serialización de modelos y exportación a ONNX;
• Tra