机器学习和Kotlin。实践指南

《机器学习和Kotlin》一书是首部同类实践指南，填补了数据科学世界与现代JVM开发之间的空白。如果您是一名Kotlin开发者，希望将机器学习集成到项目中，但又不想转向Python，那么这本书就是为您准备的。

本书内容

本书以循序渐进的方式，从ML的基本概念到生产环境中部署完整模型，带您逐步深入。您将从环境搭建和熟悉库开始，最终构建一个基于Ktor的完整REST服务，用于预测房地产价格。

您将学到什么

• 如何配置用于数据科学的Kotlin项目（Gradle、Kotlin DSL、Jupyter Notebooks）
• 使用Kotlin实现线性回归、决策树和集成方法的基础知识
• 使用DeepLearning4J和DJL（Deep Java Library）库进行深度学习
• 使用Kotlin框架（Kravis、Smile）进行数据处理和可视化
• 构建用于图像和文本分类的神经网络
• 将ML模型集成到基于Ktor的微服务中
• 通过JVM使用GPU优化模型性能
• ML模型的测试、监控和A/B实验

本书适合谁

• Kotlin后端开发者，希望为应用程序添加ML功能
• Android开发者，对设备端机器学习感兴趣
• 数据科学家，希望从Python转向Kotlin以构建生产系统
• 学生，正在学习基于JVM栈的机器学习

为什么选择Kotlin？

Kotlin不仅仅是用于Android的语言。凭借与Java的完全兼容性、零成本抽象和强大的类型系统，它成为数据科学的绝佳选择。您将获得编译时的类型安全、简洁的语法，以及访问整个Java库生态系统（DL4J、ND4J、Apache Spark MLlib）的能力。

书中的示例

每一章都包含可直接运行的实用代码。例如，您将编写：

• 基于历史数据预测销售额的模型
• 使用Kotlin + DJL的文本情感分类器
• 基于Ktor的手写数字识别服务（MNIST）
• 结合Kafka和ML的流数据处理管道

《机器学习和Kotlin》一书是您从纯编程世界通往人工智能世界的桥梁。立即开始构建智能应用吧！