机器学习和 C# (.NET)：从基础到生产部署

《机器学习和 C# (.NET)》一书是一本面向 C# 开发者的实用指南，旨在帮助他们掌握机器学习 (ML) 并将其集成到 .NET 应用程序中。与许多专门针对 Python 的书籍不同，本书专注于 .NET 生态系统，包括 ML.NET 库、TensorFlow.NET 和其他工具。

本书内容

您将从机器学习的基本概念开始，逐步学习如何创建可部署到生产环境中的完整 ML 解决方案。本书涵盖：

\n
• 机器学习基础：任务类型（回归、分类、聚类）、质量指标、过拟合和正则化。
\n
• 在 C# 中处理数据：使用 LINQ 和 Accord.NET 库进行数据加载、清洗、转换和可视化。
\n
• ML.NET —— 微软的 ML 框架：创建模型、自动超参数调优 (AutoML)、导出和集成到应用程序中。
\n
• 深度学习：使用 TensorFlow.NET 和 TorchSharp 构建神经网络（CNN、RNN、Transformer）。
\n
• 模型部署：在 ASP.NET Core 上创建 API、与 Azure ML 云服务集成以及 Docker 容器化。
\n
• 实践项目：文本情感分析、客户流失预测、图像识别和推荐系统。
\n

目标读者

\n
• .NET 开发者，希望扩展自己在数据科学和人工智能领域的技能。
\n
• C# 程序员，希望将机器学习集成到现有的企业应用程序中。
\n
• 学生和初级 ML 工程师，熟悉 C# 但没有机器学习经验。
\n
• 技术负责人，评估 .NET 在人工智能任务中的潜力。
\n

您将学到什么

\n
• 如何利用 C# 和 .NET 的功能为 ML 模型准备数据。
\n
• 如何在 .NET 平台上训练回归、分类、聚类和排序模型。
\n
• 如何在不切换到 Python 的情况下处理神经网络，包括 Transformer 和卷积架构。
\n
• 如何使用 ML.NET AutoML 自动化选择最佳模型的过程。
\n
• 如何将训练好的模型集成到 Web 应用程序、桌面程序和微服务中。
\n
• 如何在生产环境中测试和监控 ML 模型。
\n

所有代码示例均可从代码仓库获取，并且完全可运行。本书语言通俗易懂，注重实践和真实使用场景。阅读本书后，您将能够自信地在 C# 和 .NET 项目中应用机器学习。