Kotlin Data Science. Science des données avec Kotlin

Introduction

Le livre «Kotlin Data Science» (auteur : David Katzman, 2020, 320 pages) est le premier guide complet dédié à l'utilisation du langage Kotlin dans le domaine de la science des données. Alors que Python et R restent les outils dominants pour l'analyse de données, Kotlin offre des avantages uniques : typage statique, syntaxe concise, compatibilité totale avec Java et d'excellentes performances. L'auteur se fixe un objectif ambitieux : montrer que Kotlin peut être non seulement une alternative, mais une plateforme à part entière pour construire des pipelines de données de bout en bout : de la collecte et du nettoyage à la visualisation et au déploiement de modèles de machine learning.

De quoi parle ce livre

Le livre est divisé en trois parties logiques, chacune couvrant les étapes clés du travail avec les données. La première partie présente les bases de Kotlin pour la data science : configuration de l'environnement, travail avec les collections, programmation fonctionnelle et intégration avec Jupyter Notebooks via la bibliothèque Kotlin Kernel. La deuxième partie est consacrée aux bibliothèques d'analyse de données : Kotlin DataFrame (équivalent de pandas), Kravis (visualisation dans le style de ggplot2) et KMath (calculs numériques). La troisième partie est la plus pratique : elle couvre le machine learning avec KotlinDL (deep learning) et Smile (modèles statistiques), ainsi que le déploiement de modèles via REST API et l'intégration avec les services cloud.