机器学习与 Kotlin：实践指南

《机器学习与 Kotlin》一书是首部俄语实践指南，展示了如何利用 Kotlin 和 JVM 生态系统构建机器学习模型，而无需编写 Python 代码。作者阿列克谢·沃罗诺夫（Alexey Voronov）是一位高级 ML 工程师和 Kotlin 爱好者，他分享了将 ML 集成到工业级 Kotlin 应用程序中的多年经验。

本书内容

本书涵盖了在 Kotlin 中处理数据和模型的完整流程：

• 机器学习基础 — 线性回归、决策树、SVM、聚类。理论讲解并立即用 Kotlin 代码实现。
• JVM 上的 ML 库 — 详细解析 KotlinDL（Kotlin 版 Keras）、Smile（统计与 ML）、DeepLearning4J（神经网络）。性能对比。
• 数据处理 — 使用 Kotlin 库（kravis、lets-plot）进行数据加载、清洗和可视化。无需 Pandas。
• 深度学习 — 卷积神经网络、循环神经网络、Transformer。示例：图像分类、文本分析。
• 生产环境中的 ML — 将模型打包为 REST API（Ktor、Spring Boot）、导出为 ONNX、使用 MLflow。
• Kotlin Multiplatform 用于 ML — 在 Android、iOS 和服务器上运行模型。

目标读者

• Java/Kotlin 开发者，希望将机器学习集成到项目中，但不想学习 Python 及其框架。
• 数据科学家，希望掌握 Kotlin 作为生产代码的替代方案。
• 学生和教师，在 JVM 上学习 ML。

阅读后你将学到什么？

• 如何为任务选择合适的库：从简单回归到类似 GPT 的模型。
• 如何在不使用 Python 的情况下读取和处理数据（CSV、JSON、Parquet、数据库）。
• 如何用 10 行代码在 KotlinDL 中构建神经网络。
• 如何针对 JVM 优化模型并通过 CUDA 使用 GPU。
• 如何在 Ktor 微服务中部署模型并连接到前端。

为什么选择 Kotlin 进行 ML？

Kotlin 是一种在 JVM 上运行的静态类型语言。它结合了 Python 的简洁性和 Java 的性能。使用 Kotlin 进行 ML，你将获得：

• 统一的技术栈（后端 + ML + 移动应用）。
• 编译阶段更少的类型错误。
• 高执行速度（JIT 编译）。
• 与现有基础设施（Spring、Ktor、Gradle）轻松集成。

本书包含 50 多个可直接运行的实践示例。源代码可在 GitHub 上获取。适合初学者和经验丰富的 ML 工程师。

格式：PDF、EPUB。 页数：480 页。