Aprendizado de Máquina e Kotlin: da ideia ao modelo de produção

Se você é um desenvolvedor Kotlin e quer dominar o aprendizado de máquina sem migrar para o Python, este livro é para você. Dmitry Volkov, engenheiro praticante com dez anos de experiência, mostra como construir sistemas de ML completos na linguagem nativa da JVM, utilizando todo o poder do ecossistema Kotlin e a compatibilidade com bibliotecas Python populares.

O livro está dividido em quatro partes lógicas:

• Fundamentos de ML em Kotlin — aparato matemático (álgebra linear, estatística, otimização) com exemplos em Kotlin puro. Você aprenderá como implementar regressão linear, regressão logística e o método k-vizinhos mais próximos sem dependências externas.



• Bibliotecas e ferramentas — mergulho profundo em Koma (cálculos matriciais), KotlinDL (redes neurais da JetBrains), DeepLearning4J (Deep Learning industrial) e integração com TensorFlow via Java API. Você aprenderá a carregar modelos pré-treinados e ajustá-los para suas próprias tarefas.



• Integração com o ecossistema Python — execução de scripts Python via ProcessBuilder, uso de Jupyter Notebooks para prototipagem e aplicação de DJL (Deep Java Library) para trabalhar perfeitamente com modelos PyTorch e TensorFlow diretamente do código Kotlin.



• Sistemas de ML em produção — construção de pipelines de processamento de dados, serialização de modelos nos formatos PMML e ONNX, implantação via Spring Boot, monitoramento de deriva de dados e testes A/B de modelos em tempo real.

Atenção especial é dada a casos práticos:

• Classificação de avaliações de texto usando NLP em Kotlin
• Previsão de séries temporais (vendas, tráfego) com redes recorrentes
• Sistema de recomendação baseado em filtragem colaborativa
• Detecção de anomalias em logs de servidor
• Visão computacional: classificação de imagens com KotlinDL

Todos os exemplos são acompanhados de código funcional, disponível no repositório. Você aprenderá não apenas a treinar modelos, mas também a integrá-los em aplicações reais — desde Android até microsserviços de servidor. O livro é adequado para desenvolvedores familiarizados com os fundamentos de Kotlin e Java, mas não requer conhecimento prévio em ML. Para aqueles que desejam permanecer no ecossistema JVM sem abrir mão dos recursos modernos de Data Science.

No final, você encontrará um projeto completo: criação de um serviço de ML para previsão de churn de clientes — desde a coleta de dados até a implantação no Kubernetes usando Ktor e Kafka. Você receberá um modelo pronto para construir seus próprios produtos de ML em Kotlin.

O livro é publicado em capa dura, contém mais de 400 páginas, mais de 80 ilustrações e códigos QR para videoaulas. A escolha ideal para quem deseja escrever aprendizado de máquina na linguagem que conhece e ama.