Aprendizaje Automático y Rust: de la teoría al código de producción

Este libro es una guía práctica para aplicar el lenguaje Rust en tareas de aprendizaje automático. Si ya conoces ML en Python (sklearn, PyTorch, TensorFlow) y deseas trasladar tus habilidades al ecosistema Rust, esta publicación es para ti. El autor, Alexéi Vétrov, ingeniero senior con 10 años de experiencia en producción, muestra paso a paso cómo construir sistemas ML rápidos y seguros.

De qué trata el libro:

• Fundamentos del trabajo con datos en Rust: bibliotecas ndarray, polars, csv.
• Implementación de algoritmos clásicos (regresión lineal, kNN, árboles de decisión) sin frameworks.
• Uso de bibliotecas ML modernas: linfa, smartcore, burn.
• Inferencia y servicio de modelos: carga de ONNX, TensorFlow SavedModel, trabajo con tract.
• Optimización del rendimiento: paralelismo (rayon), SIMD, almacenamiento en caché, trabajo con grandes datos.
• Construcción de pipelines de producción: manejo de errores, registro, evaluación comparativa.
• Despliegue de servicios ML: API REST con Actix-web, gRPC, WebAssembly para navegador.

Para quién es este libro:

• Científicos de datos e ingenieros ML, cansados de pipelines lentos en Python.
• Desarrolladores Rust que quieren aprender aprendizaje automático.
• Ingenieros que trabajan con sistemas embebidos, dispositivos edge o aplicaciones en tiempo real.
• Todos aquellos que quieran escribir código ML que no falle con errores de memoria y funcione 10 veces más rápido.

Qué aprenderás:

• Cómo cargar, limpiar y transformar datos de manera más eficiente que en pandas.
• Cómo entrenar un modelo "desde cero" en Rust y comparar su precisión con análogos en Python.
• Cómo serializar un modelo y ejecutarlo en un servidor sin dependencias de Python.
• Cómo usar el sistema de tipos de Rust para prevenir errores en pipelines ML.
• Cómo integrar un módulo Rust en un proyecto Python existente mediante PyO3.

Todos los ejemplos de código están disponibles en GitHub y probados en conjuntos de datos reales. El libro está escrito en un lenguaje claro, con énfasis en la práctica, sin teoría excesiva. Ideal para el autoaprendizaje y como referencia para producción.

¡Sumérgete en el mundo del aprendizaje automático rápido, confiable y moderno con Rust!