机器学习和 Kotlin：实践指南

这本书是同类中的第一本实践指南，它将机器学习的强大功能与 Kotlin 语言的优雅和安全性结合在一起。如果您是一名 JVM 开发者，希望在不转向 Python 的情况下引入现代 ML 算法，那么这本书将成为您不可或缺的助手。

作者阿列克谢·索科洛夫是一位经验丰富的软件工程师，他循序渐进地引导读者从机器学习的基本概念到创建完整的生产就绪模型。您将学习使用原生的 Kotlin 库：KotlinDL（JetBrains 的深度学习库）、Smile（统计学习库）和 DL4J（JVM 上的深度学习生态系统）。

您将学到什么：

• 如何准备数据：使用 DataFrame 进行数据处理、清洗、归一化和可视化（Kotlin for Spark、PlotlyKotlin）。
• 线性回归、决策树和随机森林——从零开始实现以及使用库实现。
• 深度学习：神经网络、卷积和循环架构（KotlinDL、TensorFlow Java）。
• 自然语言处理：分词、TF-IDF、文本分类（Kotlin-NLP）。
• 模型加载与导出：ONNX、PMML、TensorFlow SavedModel。
• 将 ML 模型部署为 REST 服务（Ktor、Micronaut）。
• 通过 JVM 的 CUDA 绑定使用 GPU。

本书适合谁：

• 希望在不学习 Python 的情况下掌握数据科学的 Kotlin 开发者。
• 正在转向 Kotlin 并寻找 ML 实践示例的 Java 程序员。
• 对在 JVM 平台上应用 ML 感兴趣的学生和研究人员。

本书包含 50 多个现成的开源项目和练习。所有示例均可下载，并已在最新版本的库上验证。您将从简单的房价预测线性回归开始，最终在 Kotlin 中创建一个带有 NLP 模块的聊天机器人。

本书特别关注性能：作者比较了 Kotlin 与 Python（scikit-learn）的模型训练速度，并展示了如何使用协程和多线程优化代码。您还将学习如何将 Kotlin 模型集成到微服务架构中，并使用 Apache Kafka 进行流式 ML。

无论您是在开发初创项目还是企业项目——Kotlin 和机器学习都将为您打开新的视野。拿起这本书，今天就开始创建智能应用吧！