Машинное обучение и Kotlin: практическое руководство

Эта книга – первое в своём роде практическое руководство, которое объединяет мощь машинного обучения с элегантностью и безопасностью языка Kotlin. Если вы – разработчик на JVM и хотите внедрить современные алгоритмы ML без перехода на Python, эта книга станет вашим незаменимым помощником.

Автор, Алексей Соколов, опытный инженер-программист, последовательно проводит читателя от базовых понятий машинного обучения до создания полноценных production-ready моделей. Вы научитесь использовать нативные Kotlin-библиотеки: KotlinDL (глубокое обучение от JetBrains), Smile (статистическое обучение) и DL4J (экосистема Deep Learning на JVM).

Что вы узнаете:

• Как подготовить данные: работа с DataFrame, очистка, нормализация и визуализация (Kotlin for Spark, PlotlyKotlin).
• Линейная регрессия, деревья решений и случайный лес – реализация с нуля и на библиотеках.
• Глубокое обучение: нейронные сети, свёрточные и рекуррентные архитектуры (KotlinDL, TensorFlow Java).
• Обработка естественного языка: токенизация, TF-IDF, классификация текстов (Kotlin-NLP).
• Загрузка и экспорт моделей: ONNX, PMML, TensorFlow SavedModel.
• Развёртывание ML-модели как REST-сервиса (Ktor, Micronaut).
• Работа с GPU через CUDA-биндинги для JVM.

Для кого эта книга:

• Kotlin-разработчики, желающие освоить Data Science без изучения Python.
• Java-программисты, переходящие на Kotlin и ищущие практические примеры ML.
• Студенты и исследователи, интересующиеся применением ML на платформе JVM.

Книга содержит более 50 готовых проектов и упражнений с открытым кодом. Все примеры доступны для скачивания и проверены на последних версиях библиотек. Вы начнёте с простой линейной регрессии для прогнозирования цен на жильё и закончите созданием чат-бота с NLP-модулем на Kotlin.

Особое внимание уделено производительности: автор сравнивает скорость обучения моделей на Kotlin vs Python (scikit-learn) и показывает, как оптимизировать код с помощью корутин и многопоточности. Вы также узнаете, как интегрировать Kotlin-модели в микросервисную архитектуру и использовать Apache Kafka для потокового ML.

Независимо от того, работаете ли вы над стартапом или корпоративным проектом – Kotlin и машинное обучение откроют новые горизонты. Берите книгу и начинайте создавать умные приложения уже сегодня!