Rust pour la data science : analyse efficace des données et apprentissage automatique

Les données sont le nouvel or, mais leur traitement nécessite non seulement de la puissance, mais aussi de la fiabilité. Le livre « Rust pour la data science » est votre guide vers un monde où la vitesse du C++ rencontre la sécurité de Python, et où le contrôle de la mémoire ne sacrifie pas les performances. L'auteur Alexeï Voronov, ingénieur de données praticien, montre comment Rust devient une alternative sérieuse aux outils traditionnels de la data science, en particulier lorsqu'il s'agit de grands volumes de données, de traitement en flux et de déploiement en production.

Le livre est conçu comme un guide pratique : vous commencerez par les bases de la syntaxe de Rust, mais dès le troisième chapitre, vous écrirez des pipelines efficaces pour lire, filtrer et agréger des fichiers CSV de plusieurs gigaoctets. Une attention particulière est accordée à l'écosystème : vous découvrirez les bibliothèques polars (DataFrame en Rust, plus rapide que Pandas), ndarray pour les calculs numériques, burn et candle pour l'apprentissage automatique, ainsi que rayon et tokio pour les calculs parallèles et asynchrones.

• Chapitres 1–2. Introduction à Rust : ownership, borrowing, lifetimes — le minimum de théorie, le maximum de pratique pour les tâches de données.
• Chapitres 3–4. Travail avec les données : lecture/écriture de CSV, JSON, Parquet ; nettoyage et transformation avec Polars.
• Chapitres 5–6. Analyse statistique et visualisation (via plotters et export vers Plotly).
• Chapitres 7–8. Apprentissage automatique : régression linéaire, arbres de décision, réseaux de neurones en Rust.
• Chapitres 9–10. Optimisation : calculs parallèles, SIMD, travail avec GPU via wgpu.
• Chapitre 11. Déploiement de modèles : WebAssembly pour le navigateur, API REST avec Actix, utilitaires en ligne de commande.

Ce livre est destiné à :

• Les data scientists, fatigués des scripts Python lents et recherchant des performances sans perte de lisibilité du code.
• Les développeurs backend qui souhaitent intégrer des pipelines de ML dans des systèmes à forte charge.
• Les ingénieurs de données construisant des processus ETL nécessitant fiabilité et rapidité.

Après avoir lu ce livre, vous serez capable de :

• Écrire des programmes sûrs, rapides et parallèles pour le traitement de données.
• Créer des pipelines prêts pour la production, fonctionnant 10 à 100 fois plus vite que leurs équivalents en Python.
• Intégrer du code Rust dans des projets existants via FFI ou WebAssembly.
• Utiliser les bibliothèques modernes d'apprentissage automatique en Rust.

Le livre suppose une connaissance de base de la programmation (Python ou C/C++), mais ne nécessite pas d'expérience préalable avec Rust. Tous les exemples de code sont disponibles dans le dépôt et sont accompagnés d'instructions étape par étape. Si vous souhaitez amener votre travail avec les données à un nouveau niveau de rapidité et de fiabilité, ce livre est fait pour vous.