Apprentissage automatique et Kotlin : guide pratique

Ce livre est le premier guide pratique en son genre qui allie la puissance de l'apprentissage automatique à l'élégance et à la sécurité du langage Kotlin. Si vous êtes un développeur JVM souhaitant intégrer des algorithmes ML modernes sans passer par Python, ce livre deviendra votre compagnon indispensable.

L'auteur, Alexeï Sokolov, ingénieur logiciel expérimenté, guide le lecteur pas à pas des concepts de base de l'apprentissage automatique jusqu'à la création de modèles prêts pour la production. Vous apprendrez à utiliser les bibliothèques natives Kotlin : KotlinDL (apprentissage profond par JetBrains), Smile (apprentissage statistique) et DL4J (écosystème Deep Learning sur JVM).

Ce que vous apprendrez :

• Comment préparer les données : travail avec DataFrame, nettoyage, normalisation et visualisation (Kotlin for Spark, PlotlyKotlin).
• Régression linéaire, arbres de décision et forêts aléatoires – implémentation from scratch et avec des bibliothèques.
• Apprentissage profond : réseaux de neurones, architectures convolutionnelles et récurrentes (KotlinDL, TensorFlow Java).
• Traitement du langage naturel : tokenisation, TF-IDF, classification de textes (Kotlin-NLP).
• Chargement et export de modèles : ONNX, PMML, TensorFlow SavedModel.
• Déploiement d'un modèle ML en tant que service REST (Ktor, Micronaut).
• Travail avec GPU via les bindings CUDA pour JVM.

À qui s'adresse ce livre :

• Développeurs Kotlin souhaitant maîtriser la Data Science sans apprendre Python.
• Programmeurs Java passant à Kotlin et cherchant des exemples pratiques de ML.
• Étudiants et chercheurs intéressés par l'application du ML sur la plateforme JVM.

Le livre contient plus de 50 projets prêts à l'emploi et exercices en open source. Tous les exemples sont téléchargeables et testés avec les dernières versions des bibliothèques. Vous commencerez par une simple régression linéaire pour prédire les prix de l'immobilier et terminerez par la création d'un chatbot avec un module NLP en Kotlin.

Une attention particulière est portée à la performance : l'auteur compare la vitesse d'apprentissage des modèles en Kotlin vs Python (scikit-learn) et montre comment optimiser le code avec les coroutines et le multithreading. Vous apprendrez également à intégrer les modèles Kotlin dans une architecture microservices et à utiliser Apache Kafka pour le ML en flux.

Que vous travailliez sur une startup ou un projet d'entreprise – Kotlin et l'apprentissage automatique ouvriront de nouveaux horizons. Prenez le livre et commencez à créer des applications intelligentes dès aujourd'hui !