机器学习和 Go (Golang)：实践指南

《机器学习和 Go (Golang)》一书是首本俄语实践指南，它将 Go 语言的强大功能与现代机器学习方法相结合。如果您认为 ML 只属于 Python，这本书将打破这一成见。Go 提供高性能、简单的并行化处理和轻松的部署能力，使其成为生产级机器学习系统的理想选择。

本书内容涵盖哪些？

本书涵盖了在 Go 中处理 ML 的完整流程：

• 数据收集与准备 — 使用 Go 处理 CSV、JSON、数据库，进行数据清洗和归一化。
• 从零实现算法 — 线性回归、逻辑回归、决策树、K 近邻。您不仅使用现成库，更能理解算法的工作原理。
• 使用流行的 Go 库 — golearn、gonum、用于神经网络的 gorgonia、用于统计的 smile。
• 模型评估与验证 — 交叉验证、指标（精确率、召回率、F1）、ROC 曲线。
• 与 Python 集成 — 如何从 Go 调用 Python 模型，反之亦然，使用 ONNX 进行跨平台模型交换。
• 生产环境 — 通过 REST API、gRPC 部署 ML 服务，使用 Kafka 处理流数据，生产环境中的模型监控。

本书适合哪些读者？

• 希望将 ML 添加到技术栈且无需转向 Python 的 Go 开发者。
• 为高负载系统寻找 Python 替代方案的 ML 工程师。
• 学习现代语言机器学习的学生和教师。
• 所有希望了解如何构建无需重型框架的生产级 ML 系统的人。

您将学到什么？

• 如何从零在 Go 中实现基本 ML 算法。
• 如何使用现成库加速开发。
• 如何利用 goroutine 和 channel 处理大量数据。
• 如何将模型打包到 Docker 并部署到 Kubernetes。
• 如何测试和调试 Go 中的 ML 代码。

为什么选择 Go 进行 ML？

Go 编译为二进制文件，无需虚拟机，内置并发支持，并拥有出色的标准库。本书展示了如何将这些优势转化为实际的 ML 解决方案：从简单预测到复杂的推荐系统。

每章都包含可直接运行的代码实践示例。在本书末尾，您将创建一个完整的预测服务，随时可用于工业级部署。

本书适合从初级到高级的开发者 — 内容结构清晰，新手可以掌握基础，经验丰富的开发者也能找到优化和部署的高级技巧。

深入 Go 语言的机器学习世界，发现创建智能、快速应用程序的新方式！