Rust para data science: análise eficiente de dados e aprendizado de máquina

Dados são o novo ouro, mas seu processamento exige não apenas potência, mas também confiabilidade. O livro «Rust para data science» é seu guia para um mundo onde a velocidade do C++ encontra a segurança do Python, e o controle sobre a memória não sacrifica o desempenho. O autor Alexei Voronov, engenheiro de dados praticante, mostra como o Rust se torna uma alternativa séria às ferramentas tradicionais de data science, especialmente quando se trata de grandes volumes de dados, processamento em fluxo e implantação em produção.

O livro é estruturado como um guia prático: você começará com os fundamentos da sintaxe do Rust, mas já no terceiro capítulo estará escrevendo pipelines eficientes para leitura, filtragem e agregação de arquivos CSV de vários gigabytes. Atenção especial é dada ao ecossistema: você conhecerá as bibliotecas polars (DataFrame em Rust, mais rápido que Pandas), ndarray para cálculos numéricos, burn e candle para aprendizado de máquina, bem como rayon e tokio para computação paralela e assíncrona.

• Capítulo 1–2. Introdução ao Rust: ownership, borrowing, lifetimes — mínimo de teoria, máximo de prática para tarefas de dados.
• Capítulo 3–4. Trabalhando com dados: leitura/escrita de CSV, JSON, Parquet; limpeza e transformação com Polars.
• Capítulo 5–6. Análise estatística e visualização (através de plotters e exportação para Plotly).
• Capítulo 7–8. Aprendizado de máquina: regressão linear, árvores de decisão, redes neurais em Rust.
• Capítulo 9–10. Otimização: computação paralela, SIMD, trabalho com GPU via wgpu.
• Capítulo 11. Implantação de modelos: WebAssembly para navegador, REST API com Actix, utilitários de linha de comando.

Este livro é destinado a:

• Cientistas de dados cansados de scripts Python lentos e em busca de desempenho sem perder a legibilidade do código.
• Desenvolvedores backend que desejam incorporar pipelines de ML em sistemas de alta carga.
• Engenheiros de dados que constroem processos ETL que exigem confiabilidade e velocidade.

Após a leitura, você será capaz de:

• Escrever programas seguros, rápidos e paralelos para processamento de dados.
• Criar pipelines prontos para produção que funcionam 10 a 100 vezes mais rápido que os equivalentes em Python.
• Integrar código Rust em projetos existentes via FFI ou WebAssembly.
• Utilizar bibliotecas modernas de aprendizado de máquina em Rust.

O livro pressupõe conhecimento básico de programação (Python ou C/C++), mas não requer experiência prévia com Rust. Todos os exemplos de código estão disponíveis no repositório e são acompanhados de instruções passo a passo. Se você deseja elevar seu trabalho com dados a um novo nível de velocidade e confiabilidade — este livro é para você.