Apprentissage automatique et C# (.NET) : des bases à la mise en production

Le livre « Apprentissage automatique et C# (.NET) » est un guide pratique destiné aux développeurs C# qui souhaitent maîtriser le machine learning (ML) et l'intégrer dans leurs applications .NET. Contrairement à de nombreux ouvrages axés exclusivement sur Python, cette édition se concentre sur l'écosystème .NET, incluant la bibliothèque ML.NET, TensorFlow.NET et d'autres outils.

De quoi parle ce livre

Vous parcourrez le chemin allant des concepts de base du machine learning jusqu'à la création de solutions ML complètes, prêtes à être déployées en production. Le livre couvre :

\n
• Les fondamentaux du machine learning : types de tâches (régression, classification, clustering), métriques de qualité, surapprentissage et régularisation.
\n
• Le travail avec les données en C# : chargement, nettoyage, transformation et visualisation des données à l'aide de LINQ et de la bibliothèque Accord.NET.
\n
• ML.NET — le framework ML de Microsoft : création de modèles, réglage automatique des hyperparamètres (AutoML), exportation et intégration dans les applications.
\n
• L'apprentissage profond : utilisation de TensorFlow.NET et TorchSharp pour construire des réseaux de neurones (CNN, RNN, transformeurs).
\n
• Le déploiement de modèles : création d'API avec ASP.NET Core, intégration avec les services cloud Azure ML et conteneurisation Docker.
\n
• Des projets pratiques : analyse de sentiment des textes, prédiction du taux d'attrition client, reconnaissance d'images et systèmes de recommandation.
\n

À qui s'adresse ce livre

\n
• Développeurs .NET souhaitant élargir leurs compétences en Data Science et IA.
\n
• Programmeurs C# qui veulent intégrer le machine learning dans des applications d'entreprise existantes.
\n
• Étudiants et ingénieurs ML débutants connaissant C# mais sans expérience en machine learning.
\n
• Responsables techniques évaluant les capacités de .NET pour les tâches d'intelligence artificielle.
\n

Ce que vous apprendrez

\n
• Comment préparer les données pour les modèles ML en utilisant les capacités de C# et .NET.
\n
• Comment entraîner des modèles de régression, classification, clustering et classement sur la plateforme .NET.
\n
• Comment travailler avec les réseaux de neurones, y compris les transformeurs et les architectures convolutionnelles, sans passer par Python.
\n
• Comment automatiser le processus de sélection du meilleur modèle avec ML.NET AutoML.
\n
• Comment intégrer les modèles entraînés dans des applications web, des programmes de bureau et des microservices.
\n
• Comment tester et surveiller les modèles ML en environnement de production.
\n

Tous les exemples de code sont disponibles dans le dépôt et sont entièrement prêts à être exécutés. Le livre est rédigé dans un langage simple, avec un accent sur la pratique et les scénarios d'utilisation réels. Après l'avoir lu, vous serez en mesure d'appliquer en toute confiance le machine learning dans vos projets C# et .NET.