Aprendizado de Máquina e C# (.NET): do básico à produção

O livro «Aprendizado de Máquina e C# (.NET)» é um guia prático para desenvolvedores C# que desejam dominar o aprendizado de máquina (ML) e integrá-lo em suas aplicações .NET. Ao contrário de muitos livros focados exclusivamente em Python, esta edição se concentra no ecossistema .NET, incluindo a biblioteca ML.NET, TensorFlow.NET e outras ferramentas.

Sobre o que é este livro

Você percorrerá o caminho desde os conceitos básicos de aprendizado de máquina até a criação de soluções completas de ML, prontas para implantação em produção. O livro abrange:

\n
• Fundamentos de aprendizado de máquina: tipos de tarefas (regressão, classificação, clusterização), métricas de qualidade, overfitting e regularização.
\n
• Trabalho com dados em C#: carregamento, limpeza, transformação e visualização de dados usando LINQ e a biblioteca Accord.NET.
\n
• ML.NET — framework para ML da Microsoft: criação de modelos, ajuste automático de hiperparâmetros (AutoML), exportação e integração em aplicações.
\n
• Aprendizado profundo: uso de TensorFlow.NET e TorchSharp para construção de redes neurais (CNN, RNN, transformers).
\n
• Implantação de modelos: criação de APIs com ASP.NET Core, integração com serviços em nuvem Azure ML e conteinerização com Docker.
\n
• Projetos práticos: análise de sentimento de textos, previsão de churn de clientes, reconhecimento de imagens e sistemas de recomendação.
\n

Para quem é este livro

\n
• Desenvolvedores .NET que desejam expandir suas habilidades em Data Science e IA.
\n
• Programadores C# que desejam implementar aprendizado de máquina em aplicações corporativas existentes.
\n
• Estudantes e engenheiros de ML iniciantes familiarizados com C#, mas sem experiência em aprendizado de máquina.
\n
• Líderes técnicos avaliando as capacidades do .NET para tarefas de inteligência artificial.
\n

O que você aprenderá

\n
• Como preparar dados para modelos de ML usando os recursos do C# e .NET.
\n
• Como treinar modelos de regressão, classificação, clusterização e ranqueamento na plataforma .NET.
\n
• Como trabalhar com redes neurais, incluindo transformers e arquiteturas convolucionais, sem migrar para Python.
\n
• Como automatizar o processo de seleção do melhor modelo usando ML.NET AutoML.
\n
• Como integrar modelos treinados em aplicações web, programas desktop e microsserviços.
\n
• Como testar e monitorar modelos de ML em ambiente de produção.
\n

Todos os exemplos de código estão disponíveis no repositório e totalmente prontos para execução. O livro é escrito em linguagem simples, com foco na prática e em cenários reais de uso. Após a leitura, você será capaz de aplicar aprendizado de máquina com confiança em seus projetos com C# e .NET.