C# (.NET) पर मशीन लर्निंग: मूल बातों से प्रोडक्शन तक

पुस्तक «C# (.NET) पर मशीन लर्निंग» उन .NET डेवलपर्स के लिए एक व्यावहारिक मार्गदर्शिका है जो Python पर स्विच किए बिना अपने एप्लिकेशन में कृत्रिम बुद्धिमत्ता शामिल करना चाहते हैं। लेखक, अलेक्सेई इग्नात्येव, पाठक को सांख्यिकी और रैखिक बीजगणित की मूल बातों से लेकर .NET प्लेटफॉर्म पर प्रशिक्षण और मॉडल इन्फ्रेंस के पूर्ण पाइपलाइन बनाने तक क्रमिक रूप से ले जाते हैं।

यह पुस्तक किस बारे में है

• ML.NET: इंस्टॉलेशन, कॉन्फ़िगरेशन, AutoML और कस्टम ट्रेनर्स के साथ काम करना।
• मशीन लर्निंग के कार्य: रिग्रेशन, बाइनरी और मल्टी-क्लास क्लासिफिकेशन, क्लस्टरिंग (K-Means), एनोमली डिटेक्शन।
• डेटा के साथ काम करना: CSV, SQL, NoSQL से लोड करना; सफाई, नॉर्मलाइज़ेशन, one-hot-एन्कोडिंग, फीचर क्रिएशन।
• न्यूरल नेटवर्क: TensorFlow.NET और SciSharp के आधार पर मल्टी-लेयर परसेप्ट्रॉन, इमेज के लिए कन्वोल्यूशनल नेटवर्क (CNN) और टाइम सीरीज़ के लिए रिकरंट नेटवर्क (LSTM) का कार्यान्वयन।
• ONNX: मॉडल्स का निर्यात/आयात, PyTorch या TensorFlow से तैयार न्यूरल नेटवर्क का C# में एकीकरण।
• डिप्लॉयमेंट: मॉडल को माइक्रोसर्विस (ASP.NET Core Web API) के रूप में प्रकाशित करना, डेस्कटॉप (WPF/WinForms) और मोबाइल (Xamarin/MAUI) एप्लिकेशन में उपयोग करना।
• प्रदर्शन: मल्टीथ्रेडिंग, GPU-त्वरण (CUDA), बेंचमार्किंग और मॉडल्स का A/B-परीक्षण।

यह पुस्तक किसके लिए है

यह पुस्तक ML में किसी भी स्तर की तैयारी वाले C# डेवलपर्स के लिए है:

• शुरुआती — चरण-दर-चरण निर्देश और शुरू से तैयार उदाहरण पाएंगे।
• अनुभवी — जानेंगे कि पाइपलाइनों को कैसे ऑप्टिमाइज़ करें, बड़े डेटा के साथ काम करें और ML को मौजूदा आर्किटेक्चर में कैसे एम्बेड करें।
• .NET पर आने वाले Data Scientist — समझेंगे कि परिचित तकनीकों को Microsoft इकोसिस्टम के अनुकूल कैसे बनाया जाए।

आप क्या सीखेंगे

• 30 मिनट में आवास की कीमतों का पूर्वानुमान मॉडल कैसे बनाएं।
• टेक्स्ट सेंटीमेंट विश्लेषण के लिए क्लासिफायर कैसे प्रशिक्षित करें।
• Azure/AWS पर Docker कंटेनर में मॉडल कैसे डिप्लॉय करें।
• फोटो में ऑब्जेक्ट पहचान के लिए पूर्व-प्रशिक्षित न्यूरल नेटवर्क का उपयोग कैसे करें।
• सामान्य गलतियों से कैसे बचें: ओवरफिटिंग, क्लास असंतुलन, डेटा लीकेज।

सभी कोड उदाहरण GitHub रिपॉजिटरी में उपलब्ध हैं और .NET 8/9 पर परीक्षण किए गए हैं। पुस्तक में 50 से अधिक व्यावहारिक कार्य और 3 एंड-टू-एंड प्रोजेक्ट शामिल हैं: डेटा विश्लेषण से लेकर तैयार वेब एप्लिकेशन तक।

महत्वपूर्ण: पुस्तक के लिए Python या स्कूल स्तर से ऊपर गणित का पूर्व ज्ञान आवश्यक नहीं है — आवश्यक सूत्रों को विज़ुअलाइज़ेशन के साथ सहज स्तर पर समझाया गया है।