Машинное обучение и Kotlin: практическое руководство

Книга «Машинное обучение и Kotlin» — это первое на русском языке практическое руководство, которое показывает, как строить модели машинного обучения, используя экосистему Kotlin и JVM, без необходимости писать код на Python. Автор — Алексей Воронов, Senior ML Engineer и Kotlin-энтузиаст, делится многолетним опытом интеграции ML в промышленные Kotlin-приложения.

О чём эта книга?

Книга охватывает полный цикл работы с данными и моделями на Kotlin:

• Основы машинного обучения — линейная регрессия, деревья решений, SVM, кластеризация. Теория и сразу код на Kotlin.
• Библиотеки для ML на JVM — подробный разбор KotlinDL (аналог Keras для Kotlin), Smile (статистика и ML), DeepLearning4J (нейросети). Сравнение производительности.
• Работа с данными — загрузка, очистка, визуализация с помощью Kotlin-библиотек (kravis, lets-plot). Pandas не нужен.
• Глубокое обучение — свёрточные и рекуррентные нейросети, трансформеры. Примеры: классификация изображений, анализ текста.
• ML в production — упаковка моделей в REST API (Ktor, Spring Boot), экспорт в ONNX, работа с MLflow.
• Kotlin Multiplatform для ML — запуск моделей на Android, iOS и сервере.

Для кого эта книга?

• Java/Kotlin-разработчиков, которые хотят внедрить машинное обучение в свои проекты, но не хотят изучать Python и его фреймворки.
• Data Scientist'ов, желающих освоить Kotlin как альтернативу для production-кода.
• Студентов и преподавателей, изучающих ML на JVM.

Что вы узнаете после прочтения?

• Как выбрать подходящую библиотеку для задачи: от простой регрессии до GPT-подобных моделей.
• Как читать и обрабатывать данные без Python (CSV, JSON, Parquet, базы данных).
• Как построить нейросеть на KotlinDL за 10 строк кода.
• Как оптимизировать модель под JVM и использовать GPU через CUDA.
• Как развернуть модель в микросервисе на Ktor и подключить к фронтенду.

Почему Kotlin для ML?

Kotlin — статически типизированный язык, работающий на JVM. Он сочетает лаконичность Python с производительностью Java. Используя Kotlin для ML, вы получаете:

• Единый стек технологий (бэкенд + ML + мобильные приложения).
• Меньше ошибок типов на этапе компиляции.
• Высокую скорость выполнения (JIT-компиляция).
• Лёгкую интеграцию с существующей инфраструктурой (Spring, Ktor, Gradle).

Книга содержит более 50 практических примеров, готовых к запуску. Исходный код доступен на GitHub. Подходит как для начинающих, так и для опытных ML-инженеров.

Формат: PDF, EPUB. Объём: 480 страниц.