C# (.NET) 数据科学：从基础到生产部署

《C# (.NET) 数据科学》是一本开创性的实践指南，揭示了 .NET 生态系统在数据分析、机器学习和可视化任务中的强大能力。与“数据科学仅属于 Python 和 R”的刻板印象相反，现代 C# 和 .NET 平台提供了构建端到端数据处理管道的强大工具，这些管道可以轻松集成到企业系统中。

本书适合的读者：

• 希望将专业知识扩展到数据科学和机器学习领域的 C# 开发者。
• 熟悉 Python 但希望掌握 .NET 技术栈以在微软生态系统中工作的数据分析师。
• 选择 C# 作为主要编程语言并对数据分析感兴趣的学生和初学者。
• 计划在 .NET 平台上实施机器学习解决方案的技术主管和架构师。

您将从本书中学到：

• 如何在 .NET 上配置数据科学环境：使用 .NET Interactive 的 Jupyter Notebooks、Visual Studio、VS Code。
• 使用 Deedle 库操作表格数据（类似于 pandas）。
• 使用 Plotly.NET、LiveCharts 和 ScottPlot 进行统计分析及数据可视化的基础知识。
• 应用 LINQ 高效处理和转换数据。
• 使用 ML.NET 构建机器学习模型：回归、分类、聚类、推荐。
• 通过 TensorFlow.NET 和 TorchSharp 处理神经网络。
• 将模型部署到生产环境：创建 Web API、集成数据库、使用 Docker 和 Azure。
• 真实案例：时间序列预测、文本情感分析、客户细分、异常检测。

本书特色：

• 所有代码示例均使用 C# 12 和 .NET 8 编写，重点突出语言的最新特性。
• 从安装库到部署完整解决方案的分步指南。
• 巩固知识的实践练习和检查清单。
• 可直接用作任务模板的完整项目。

本书语言通俗易懂，无需深厚的数学或统计学知识——所有必要概念都会在需要时进行解释。您将学会像数据科学家一样思考，同时使用您熟悉的 C#。

非常适合希望将 .NET 生态系统的强大功能与现代数据分析和机器学习方法相结合，同时不离开熟悉开发环境的读者。