机器学习与Rust：从理论到生产级代码

本书是一本实践指南，介绍如何在机器学习任务中应用Rust语言。如果你已经熟悉基于Python的ML（sklearn、PyTorch、TensorFlow），并希望将技能迁移到Rust生态系统，那么这本书正是为你准备的。作者阿列克谢·维特罗夫（Alexey Vetrov）是一位拥有10年生产环境经验的高级工程师，他将逐步展示如何构建快速且安全的ML系统。

本书内容：

• Rust中数据处理基础：ndarray、polars、csv库。
• 无需框架实现经典算法（线性回归、kNN、决策树）。
• 使用现代ML库：linfa、smartcore、burn。
• 模型推理与服务：加载ONNX、TensorFlow SavedModel，使用tract。
• 性能优化：并行计算（rayon）、SIMD、缓存、大数据处理。
• 构建生产级流水线：错误处理、日志记录、基准测试。
• 部署ML服务：基于Actix-web的REST API、gRPC、面向浏览器的WebAssembly。

本书适合读者：

• 厌倦Python缓慢流水线的数据科学家和ML工程师。
• 希望学习机器学习的Rust开发者。
• 从事嵌入式系统、边缘设备或实时应用程序的工程师。
• 所有希望编写不会因内存错误崩溃且速度快10倍的ML代码的人。

你将学到：

• 如何比pandas更高效地加载、清洗和转换数据。
• 如何用Rust“从零开始”训练模型，并与Python对应模型比较精度。
• 如何序列化模型并在不依赖Python的服务器上运行。
• 如何利用Rust的类型系统防止ML流水线中的错误。
• 如何通过PyO3将Rust模块集成到现有Python项目中。

所有代码示例均可在GitHub上获取，并已在真实数据集上测试。本书语言通俗易懂，注重实践，避免过多理论。非常适合自学以及作为生产环境的参考手册。

快来探索快速、可靠且现代的Rust机器学习世界吧！