Create data-science-overview.md (#207)

MENU.json

@@ -5,6 +5,7 @@
     "android-overview",
     "js-overview",
     "native-overview",
+    "data-science-overview",
     "competitive-programming"
   ],
   "Введение": [

data-science-overview.md

@@ -0,0 +1,234 @@
+---
+type: doc
+layout: reference
+title: "Kotlin для Data Science"
+url: https://kotlinlang.ru/docs/data-science-overview.html
+---
+      
+<!-- При переводе статьи оригинальная версия была от 06 December 2021 -->
+
+<!-- # Kotlin for data science -->
+# Kotlin для Data Science
+
+<!-- From building data pipelines to productionizing machine learning models, Kotlin can be a great choice for 
+working with data: -->
+Начиная с построения конвейеров данных и заканчивая разработкой моделей машинного обучения, Kotlin может стать отличным
+выбором для работы с данными:
+
+<!-- * Kotlin is concise, readable, and easy to learn.
+* Static typing and null safety help create reliable, maintainable code that is easy to troubleshoot. 
+* Being a JVM language, Kotlin gives you great performance and an ability to leverage an entire ecosystem 
+of tried and true Java libraries. -->
+
+* Kotlin лаконичен, удобочитаем и прост в освоении;
+* Статическая типизация и null-безопасность помогают создавать надежный код, который легко поддерживать и улучшать;
+* Будучи JVM языком, Kotlin обеспечивает отличную производительность и возможность использовать целую экосистему
+проверенных и надежных Java библиотек.
+
+<a name="interactive-editors"></a>
+
+<!-- ## Interactive editors -->
+## Интерактивные редакторы
+
+<!-- Notebooks such as [Jupyter Notebook](https://jupyter.org/) and [Apache Zeppelin](https://zeppelin.apache.org/) provide 
+convenient tools for data visualization and exploratory research.
+Kotlin integrates with these tools to help you explore data, share your findings with 
+colleagues, or build up your data science and machine learning skills. -->
+Блокноты, такие как [Jupyter Notebook](https://jupyter.org/) и [Apache Zeppelin](https://zeppelin.apache.org/),
+предоставляют удобные инструменты для визуализации данных и исследовательских исследований. Kotlin интегрируется с этими
+инструментами, чтобы помочь вам изучать данные, делиться своими выводами с коллегами или развивать свои навыки в области
+Data Science и машинного обучения.
+
+<a name="jupyter-kotlin-kernel"></a>
+
+<!-- ### Jupyter Kotlin kernel -->
+### Kotlin ядро для Jupyter
+
+<!-- The Jupyter Notebook is an open-source web application that allows you to create and share documents 
+(aka "notebooks") that can contain code, visualizations, and Markdown text. 
+[Kotlin-jupyter](https://github.com/Kotlin/kotlin-jupyter) is an open source project that brings Kotlin 
+support to Jupyter Notebook. -->
+Jupyter Notebook - это веб-приложение с открытым исходным кодом, которое позволяет создавать и обмениваться документами
+(также известными как "ноутбуки"), которые могут содержать код, визуализации и Markdown разметку.
+[Kotlin-jupyter](https://github.com/Kotlin/kotlin-jupyter) - это проект с открытым исходным кодом, который обеспечивает
+поддержку Kotlin для Jupyter Notebook.
+
+<img src="https://kotlinlang.org/docs/images/kotlin-jupyter-kernel.png" alt="Kotlin в Jupyter-ноутбуке" title="Kotlin в Jupyter-ноутбуке">
+
+<!-- Check out Kotlin kernel's [GitHub repo](https://github.com/Kotlin/kotlin-jupyter) for installation 
+instructions, documentation, and examples. -->
+Ознакомьтесь с [GitHub репозиторием](https://github.com/Kotlin/kotlin-jupyter) ядра Kotlin для получения инструкций по
+установке, документации и примеров.
+
+<a name="zeppelin-kotlin-interpreter"></a>
+
+<!-- ### Zeppelin Kotlin interpreter -->
+### Kotlin интерпретатор для Zeppelin
+
+<!-- Apache Zeppelin is a popular web-based solution for interactive data analytics. It provides strong support 
+for the Apache Spark cluster computing system, which is particularly useful for data engineering. 
+Starting from [version 0.9.0](https://zeppelin.apache.org/docs/0.9.0-preview1/), Apache Zeppelin comes with 
+bundled Kotlin interpreter. -->
+Apache Zeppelin - популярное веб-решение для интерактивного анализа данных. Оно обеспечивает мощную поддержку кластерной
+вычислительной системы Apache Spark, которая особенно полезна для дата-инжиниринга. Начиная с [версии 0.9.0](https://zeppelin.apache.org/docs/0.9.0-preview1/),
+в Apache Zeppelin есть встроенный Kotlin интерпретатор.
+
+<img src="https://kotlinlang.org/docs/images/kotlin-zeppelin-interpreter.png" alt="Kotlin в Zeppelin-ноутбуке" title="Kotlin в Zeppelin-ноутбуке">
+
+<a name="libraries"></a>
+
+<!-- ## Libraries -->
+## Библиотеки
+
+<!-- The ecosystem of libraries for data-related tasks created by the Kotlin community is rapidly expanding. 
+Here are some libraries that you may find useful: -->
+Экосистема библиотек для задач, связанных с данными, созданная сообществом Kotlin, быстро расширяется. Вот некоторые
+библиотеки, которые могут быть полезными:
+
+<a name="kotlin-libraries"></a>
+
+<!-- ### Kotlin libraries -->
+### Kotlin библиотеки
+
+<!-- * [Multik](https://github.com/Kotlin/multik): multidimensional arrays in Kotlin. The library provides Kotlin-idiomatic, 
+  type- and dimension-safe API for mathematical operations over multidimensional arrays. Multik offers swappable 
+  JVM and native computational engines, and a combination of the two for optimal performance.
+
+* [KotlinDL](https://github.com/jetbrains/kotlindl) is a high-level Deep Learning API written in Kotlin and inspired
+  by Keras. It offers simple APIs for training deep learning models from scratch, importing existing Keras models
+  for inference, and leveraging transfer learning for tweaking existing pre-trained models to your tasks.
+
+* [Kotlin for Apache Spark](https://github.com/JetBrains/kotlin-spark-api) adds a missing layer of compatibility between
+  Kotlin and Apache Spark. It allows Kotlin developers to use familiar language features such as data classes, and
+  lambda expressions as simple expressions in curly braces or method references.
+
+* [kotlin-statistics](https://github.com/thomasnield/kotlin-statistics) is a library providing extension functions for 
+exploratory and production statistics. It supports basic numeric list/sequence/array functions (from `sum` to `skewness`),
+slicing operators (such as `countBy`, `simpleRegressionBy`), binning operations, discrete PDF sampling,
+naive bayes classifier, clustering, linear regression, and much more.
+
+* [kmath](https://github.com/mipt-npm/kmath) is a library inspired by [NumPy](https://numpy.org/).
+This library supports algebraic structures and operations, array-like structures, math expressions, histograms,
+streaming operations, a wrapper around [commons-math](https://commons.apache.org/proper/commons-math/) and
+[koma](https://github.com/kyonifer/koma), and more.
+
+* [krangl](https://github.com/holgerbrandl/krangl) is a library inspired by R's [dplyr](https://dplyr.tidyverse.org/)
+and Python's [pandas](https://pandas.pydata.org/). This library provides functionality for data manipulation using
+a functional-style API; it also includes functions for filtering, transforming, aggregating, and reshaping tabular data.
+
+* [lets-plot](https://github.com/JetBrains/lets-plot) is a plotting library for statistical data written in Kotlin.
+Lets-Plot is multiplatform and can be used not only with JVM, but also with JS and Python. 
+
+* [kravis](https://github.com/holgerbrandl/kravis) is another library for the visualization of tabular data inspired by
+R's [ggplot](https://ggplot2.tidyverse.org/).
+
+* [londogard-nlp-toolkit](https://github.com/londogard/londogard-nlp-toolkit/) is a library that provides utilities when working with natural language processing such as word/subword/sentence embeddings, word-frequencies, stopwords, stemming, and much more. -->
+
+* [Multik](https://github.com/Kotlin/multik): многомерные массивы в Kotlin. Библиотека предоставляет
+Kotlin-идиоматический, типо- и размерно-безопасный API для математических операций над многомерными массивами. Multik
+предлагает JVM с возможностью замены и собственные вычислительные движки, а также их комбинацию для оптимальной
+производительности;
+
+* [KotlinDL](https://github.com/jetbrains/kotlindl) - это высокоуровневый API глубокого обучения, написанный на Kotlin
+и вдохновленный Keras. Он предлагает простые API для обучения моделей глубокого обучения с нуля, импорта существующих
+моделей Keras для вывода и использования обучения передаче для настройки существующих предварительно обученных моделей
+для ваших задач;
+
+* [Kotlin для Apache Spark](https://github.com/JetBrains/kotlin-spark-api) увеличивает уровень совместимости между
+Kotlin и Apache Spark. Это позволяет разработчикам Kotlin использовать знакомые особенности языка, такие как классы
+данных и лямбда-выражения, в виде простых выражений в фигурных скобках или ссылок на методы;
+
+* [kotlin-statistics](https://github.com/thomasnield/kotlin-statistics) - это библиотека, которая предоставляет функции-расширения для исследовательской и производственной статистики. Она поддерживает основные функции для обработки числовых списков, последовательностей, массивов (от `sum` до `skewness`), операциями группировки (ориг.: *slicing operators*) (такие как `countBy`, `simpleRegressionBy`), операции группировки, выборки дискретной плотности вероятности, наивный байесовский классификатор, кластеризацию, линейную регрессию и многое другое;
+
+* [kmath](https://github.com/mipt-npm/kmath) - это библиотека, вдохновленная [NumPy](https://numpy.org/). Эта библиотека
+поддерживает алгебраические структуры и операции, структуры, подобные массивам, математические выражения, гистограммы,
+потоковые операции, обертку вокруг [commons-math](https://commons.apache.org/proper/commons-math/) и [koma](https://github.com/kyonifer/koma)
+и многое другое;
+
+* [krangl](https://github.com/holgerbrandl/krangl) - это библиотека, вдохновленная [dplyr](https://dplyr.tidyverse.org/)
+в R и [pandas](https://pandas.pydata.org/) из Python. Эта библиотека предоставляет инструментарий для обработки данных с
+использованием API функционального стиля; она также включает функции фильтрации, преобразования, агрегирования и
+изменения формы табличных данных;
+
+* [lets-plot](https://github.com/JetBrains/lets-plot) - это библиотека построения графиков для статистических данных.
+Она мультиплатформенная и может использоваться не только с JVM, но также с JS и Python;
+
+* [kravis](https://github.com/holgerbrandl/kravis)  - это еще одна библиотека для визуализации табличных данных,
+вдохновленная [ggplot](https://ggplot2.tidyverse.org/) в R;
+
+* [londogard-nlp-toolkit](https://github.com/londogard/londogard-nlp-toolkit/) - это библиотека, которая предоставляет инструменты для обработки естественных языков, например для работы со словами/частями слов/предложениями, частоты использования слов, стоп-слов, поиском основы слова и многим другим.
+
+<a name="java-libraries"></a>
+
+<!-- ### Java libraries -->
+### Java библиотеки
+
+Since Kotlin provides first-class interop with Java, you can also use Java libraries for data science in your Kotlin code.
+Here are some examples of such libraries:
+Поскольку Kotlin полностью совместим с Java, вы также можете использовать Java-библиотеки для Data Science в своем
+Kotlin-коде. Вот несколько примеров таких библиотек:
+
+<!-- * [DeepLearning4J](https://deeplearning4j.org/) - a deep learning library for Java
+
+* [ND4J](https://github.com/deeplearning4j/nd4j) - an efficient matrix math library for JVM
+
+* [Dex](https://github.com/PatMartin/Dex) - a Java-based data visualization tool
+
+* [Smile](https://github.com/haifengl/smile) - a comprehensive machine learning, natural language processing,
+linear algebra, graph, interpolation, and visualization system. Besides Java API, Smile also provides a functional
+[Kotlin API](https://haifengl.github.io/api/kotlin/smile-kotlin/index.html) along with Scala and Clojure API.
+  * [Smile-NLP-kt](https://github.com/londogard/smile-nlp-kt) - a Kotlin rewrite of the Scala implicits for the natural
+    language processing part of Smile in the format of extension functions and interfaces.
+
+* [Apache Commons Math](https://commons.apache.org/proper/commons-math/) - a general math, statistics, and machine learning
+library for Java
+
+* [NM Dev](https://nm.dev/) - a Java mathematical library that covers all of classical mathematics.
+
+* [OptaPlanner](https://www.optaplanner.org/) - a solver utility for optimization planning problems
+
+* [Charts](https://github.com/HanSolo/charts) - a scientific JavaFX charting library in development
+
+* [CoreNLP](https://stanfordnlp.github.io/CoreNLP/) - a natural language processing toolkit
+
+* [Apache Mahout](https://mahout.apache.org/) - a distributed framework for regression, clustering and recommendation
+
+* [Weka](https://www.cs.waikato.ac.nz/ml/index.html) - a collection of machine learning algorithms for data mining tasks
+
+* [Tablesaw](https://github.com/jtablesaw/tablesaw) - a Java dataframe. It includes a visualization library based on Plot.ly -->
+
+* [DeepLearning4J](https://deeplearning4j.org/) - библиотека глубокого обучения для Java;
+
+* [ND4J](https://github.com/deeplearning4j/nd4j) - эффективная матричная математическая библиотека для JVM;
+
+* [Dex](https://github.com/PatMartin/Dex) - инструмент на основе Java для визуализации данных;
+
+* [Smile](https://github.com/haifengl/smile) - комплексная система машинного обучения, обработки естественного языка,
+линейной алгебры, графики, интерполяции и визуализации. Помимо Java API, Smile также предоставляет функциональный
+[Kotlin API](https://haifengl.github.io/api/kotlin/smile-kotlin/index.html), а также Scala и Clojure API.;
+  * [Smile-NLP-kt](https://github.com/londogard/smile-nlp-kt) - переписанные на Kotlin Scala имплициты для части Smile, отвечающей за обработку естественного языка, в виде функций-расширений и интерфейсов;
+
+* [Apache Commons Math](https://commons.apache.org/proper/commons-math/) - библиотека общей математики, статистики и
+машинного обучения для Java;
+
+* [NM Dev](https://nm.dev/) - математическая библиотека Java, охватывающая всю классическую математику;
+
+* [OptaPlanner](https://www.optaplanner.org/) - инструмент поиска решения для проблем оптимизации планирования;
+
+* [Charts](https://github.com/HanSolo/charts) - библиотека JavaFX для научных графиков (в разработке);
+
+* [CoreNLP](https://stanfordnlp.github.io/CoreNLP/) - инструментарий для обработки естественного языка;
+
+* [Apache Mahout](https://mahout.apache.org/) - распределённая программная среда для регрессии, кластеризации и рекомендаций;
+
+* [Weka](https://www.cs.waikato.ac.nz/ml/index.html) - набор алгоритмов машинного обучения для решения задач сбора данных;
+
+* [Tablesaw](https://github.com/jtablesaw/tablesaw) - Java датафрейм (инструменты для загрузки, преобразования,
+фильтрации и суммирования данных), включающий в себя основанную на Plot.ly библиотеку
+для визуализации данных.
+
+<!-- If this list doesn’t cover your needs, you can find more options in the 
+**[Kotlin Machine Learning Demos](https://github.com/thomasnield/kotlin-machine-learning-demos)** GitHub repository with showcases from Thomas Nield. -->
+Если в этом списке нет того, что вам нужно, вы можете найти дополнительные варианты в GitHub репозитории
+**[Kotlin Machine Learning Demos](https://github.com/thomasnield/kotlin-machine-learning-demos)** с демонстрационными
+материалами от Томаса Нилда.