C# (.NET) 数据科学：从基础到生产级模型

数据科学领域传统上与 Python 紧密相关，但 .NET 平台为构建数据管道、机器学习和分析提供了强大且成熟的工具。本书 《C# (.NET) 数据科学》 是第一本全面的俄语指南，它证明了：C# 是处理数据科学任务的成熟语言，尤其是在已使用微软技术栈的企业环境中。

本书内容简介

本书涵盖了 .NET 生态系统中数据处理的完整流程：

• 数据收集与清洗：处理 CSV、JSON、数据库（SQL Server、PostgreSQL），使用 LINQ 和 Microsoft.Data.Analysis 中的 DataFrame 库进行流式处理。
• 统计分析及可视化：使用 ML.NET、MathNet.Numerics 进行统计检验，使用 Plotly.NET 和 LiveCharts2 绘制图表。
• 机器学习：在 ML.NET 上训练分类、回归、聚类和推荐系统模型。将模型导出为 ONNX 格式以实现跨平台使用。
• 深度学习：通过 TensorFlow.NET 和 TorchSharp 集成神经网络。
• 生产环境部署：将模型打包到 Web 服务（ASP.NET Core）中，创建控制台工具、Azure ML 管道和 Docker 容器。
• 与 Python 集成：从 C# 调用 Python 脚本，使用 Python.NET 实现两个生态系统的协同工作。

本书适合谁阅读？

• .NET 开发者，希望在不离开熟悉的 Visual Studio / Rider 环境的情况下掌握数据科学。
• 数据分析师，在拥有 .NET 基础设施的公司工作，并寻找 Python 的替代方案。
• 学生及初学者，希望了解如何将 C# 应用于数据分析和机器学习。
• 团队负责人和架构师，评估 .NET 在构建企业级数据解决方案方面的能力。

您将学到什么？

• 如何使用并行流和 System.Threading.Tasks.Dataflow 处理大量数据。
• 如何在 15 分钟内使用 ASP.NET Core 构建预测端点。
• 如何通过 AutoML 使用 ML.NET 处理任务，而无需编写复杂代码。
• 如何在 Web 和桌面端可视化分析结果。
• 如何在生产环境中测试和监控模型。

本书包含数十个现成的示例，可在 GitHub 仓库中获取。所有示例均使用 C# 12 和 .NET 8/9 编写。即使您之前没有接触过数据科学，也可以逐步复现这些示例。

《C# (.NET) 数据科学》 是经典开发与现代分析之间的桥梁。阅读本书后，您将能够独立构建数据处理管道、训练模型并将其部署到实际项目中，充分利用 .NET 平台的全部功能。