C# (.NET) para data science: um guia prático

O mundo da Data Science é tradicionalmente associado ao Python e R, mas a plataforma .NET oferece ferramentas poderosas e convenientes para análise de dados, aprendizado de máquina e construção de soluções de produção. O livro "C# (.NET) para data science" é o primeiro guia abrangente em português que mostrará como usar o ecossistema .NET para resolver problemas de data science: desde a coleta e limpeza de dados até a implantação de modelos de aprendizado de máquina em produção.

Sobre o que é este livro?

O livro cobre o ciclo completo de trabalho com dados na plataforma .NET:

• Fundamentos de data science em C#: trabalho com coleções, LINQ para análise de dados, bibliotecas MathNet.Numerics e Accord.NET para cálculos estatísticos.
• Processamento e limpeza de dados: carregamento de dados de CSV, JSON, SQL, Excel; métodos para lidar com valores ausentes, outliers e duplicatas usando DataFrames (Microsoft.Data.Analysis).
• Aprendizado de máquina com ML.NET: construção de modelos de classificação, regressão, clusterização e recomendação sem conhecimento profundo de matemática; ajuste automático de hiperparâmetros (AutoML).
• Aprendizado profundo: integração com TensorFlow.NET e PyTorch via TorchSharp para criação de redes neurais.
• Visualização de dados: criação de gráficos com Plotly.NET, LiveCharts2 e ScottPlot; criação de dashboards interativos.
• Integração com Python: chamada de código Python a partir de C# via Python.NET, uso das bibliotecas NumPy, Pandas, Scikit-learn em projetos .NET.
• Soluções de produção: empacotamento de modelos em microsserviços com ASP.NET Core, implantação em Docker e Azure ML.

Para quem é este livro?

• Desenvolvedores C# que desejam entrar na Data Science sem sair do ecossistema .NET.
• Cientistas de dados familiarizados com Python que desejam aprender uma pilha de tecnologia alternativa.
• Estudantes e profissionais iniciantes que estudam aprendizado de máquina e análise de dados.
• Líderes de equipe e arquitetos que planejam implementar ML em projetos .NET.

O que você aprenderá?

• Como processar eficientemente grandes volumes de dados usando LINQ e DataFrames.
• Como construir e treinar um modelo de aprendizado de máquina em C# em 15 minutos com ML.NET.
• Como visualizar dados e resultados de análise em aplicações web e desktop.
• Como combinar o poder das bibliotecas Python com o desempenho do .NET.
• Como implantar um modelo em produção e criar uma API para seu uso.

O livro contém diversos exemplos práticos, trechos de código prontos para uso e projetos que ajudarão você a aplicar imediatamente o conhecimento adquirido. Independentemente do seu nível atual, você encontrará neste livro ferramentas valiosas para construir soluções end-to-end em Data Science na plataforma .NET.

Nota: para ler o livro, é suficiente ter conhecimento básico de C# e compreensão geral de estatística matemática. Todos os algoritmos de aprendizado de máquina são explicados de forma acessível, com foco na prática.