C# (.NET) para data science: guía práctica

El mundo de Data Science se asocia tradicionalmente con Python y R, pero la plataforma .NET ofrece herramientas potentes y convenientes para el análisis de datos, el aprendizaje automático y la construcción de soluciones de producción. El libro "C# (.NET) para data science" es la primera guía completa en español que muestra cómo utilizar el ecosistema .NET para resolver problemas de data science: desde la recopilación y limpieza de datos hasta la implementación de modelos de aprendizaje automático en producción.

¿De qué trata este libro?

El libro cubre el ciclo completo de trabajo con datos en la plataforma .NET:

• Fundamentos de data science en C#: trabajo con colecciones, LINQ para análisis de datos, bibliotecas MathNet.Numerics y Accord.NET para cálculos estadísticos.
• Procesamiento y limpieza de datos: carga de datos desde CSV, JSON, SQL, Excel; métodos para trabajar con valores faltantes, valores atípicos y duplicados usando DataFrames (Microsoft.Data.Analysis).
• Aprendizaje automático con ML.NET: construcción de modelos de clasificación, regresión, agrupamiento y recomendaciones sin conocimientos profundos de matemáticas; ajuste automático de hiperparámetros (AutoML).
• Aprendizaje profundo: integración con TensorFlow.NET y PyTorch a través de TorchSharp para crear redes neuronales.
• Visualización de datos: creación de gráficos con Plotly.NET, LiveCharts2 y ScottPlot; creación de paneles interactivos.
• Integración con Python: llamar código Python desde C# a través de Python.NET, uso de las bibliotecas NumPy, Pandas, Scikit-learn en proyectos .NET.
• Soluciones de producción: empaquetado de modelos en microservicios con ASP.NET Core, implementación en Docker y Azure ML.

¿Para quién es este libro?

• Desarrolladores de C# que quieran adentrarse en Data Science sin salir del ecosistema .NET.
• Científicos de datos familiarizados con Python que deseen aprender un stack tecnológico alternativo.
• Estudiantes y profesionales principiantes que estudian aprendizaje automático y análisis de datos.
• Líderes de equipo y arquitectos que planean implementar ML en proyectos .NET.

¿Qué aprenderá?

• Cómo procesar eficientemente grandes volúmenes de datos con LINQ y DataFrames.
• Cómo construir y entrenar un modelo de aprendizaje automático en C# en 15 minutos con ML.NET.
• Cómo visualizar datos y resultados de análisis en aplicaciones web y de escritorio.
• Cómo combinar el poder de las bibliotecas de Python con el rendimiento de .NET.
• Cómo implementar un modelo en producción y crear una API para su uso.

El libro contiene numerosos ejemplos prácticos, fragmentos de código listos para usar y proyectos que le ayudarán a aplicar inmediatamente los conocimientos adquiridos. Independientemente de su nivel actual, encontrará en este libro herramientas valiosas para construir soluciones de extremo a extremo en Data Science con la plataforma .NET.

Nota: para leer el libro es suficiente un conocimiento básico de C# y una comprensión general de la estadística matemática. Todos los algoritmos de aprendizaje automático se explican de forma accesible, con énfasis en la práctica.