Машинное обучение и C++: практическое руководство

Книга «Машинное обучение и C++» — это первое в своём роде практическое руководство, которое показывает, как реализовать алгоритмы машинного обучения на чистом C++ без использования Python. В отличие от большинства книг по ML, ориентированных на Python и его библиотеки, это издание фокусируется на высокой производительности, низкоуровневом контроле и встраивании моделей в существующие C++ проекты.

О чём эта книга?

Автор шаг за шагом проводит читателя от базовых концептов машинного обучения до создания собственных нейронных сетей. Вы узнаете, как:

• Реализовать линейную и логистическую регрессию с помощью библиотеки Eigen для работы с матрицами;
• Построить деревья решений и случайные леса без внешних зависимостей;
• Использовать OpenCV для предобработки изображений и извлечения признаков;
• Интегрировать TensorFlow C++ API для загрузки и выполнения предобученных моделей;
• Оптимизировать код с помощью многопоточности (OpenMP) и SIMD-инструкций;
• Внедрять обученные модели в продакшн — от embedded-систем до высоконагруженных серверов.

Для кого эта книга?

• C++ разработчиков, которые хотят добавить ML в свой инструментарий;
• Инженеров, работающих над производительными системами (робототехника, финансы, игры, IoT);
• Студентов и исследователей, желающих понять внутреннее устройство алгоритмов ML без «чёрных ящиков»;
• Всех, кто устал от Python и ищет более быстрые и предсказуемые решения для машинного обучения.

Что вы узнаете после прочтения?

• Как написать собственную библиотеку для машинного обучения с нуля;
• Как эффективно работать с большими объёмами данных, используя особенности C++ (умные указатели, move-семантику, контейнеры STL);
• Как профилировать и ускорять ML-алгоритмы: от кэш-оптимизации до GPU-вычислений через CUDA;
• Как интегрировать C++ ML-модели в веб-приложения (через REST API) или мобильные приложения (через JNI);
• Реальные примеры: детекция аномалий в логах, предсказание цен акций, классификация изображений на Raspberry Pi.

Книга содержит более 50 готовых примеров кода, доступных для скачивания. Все примеры проверены на GCC и Clang под Linux, macOS и Windows. Автор использует современный стандарт C++17/20, что делает код актуальным и безопасным.

Если вы хотите выйти за рамки Python и научиться создавать по-настоящему быстрые и компактные ML-решения — эта книга для вас.