Запускаем ML-модели с помощью C++

При разработке продуктов, которые содержат функционал на основе машинного обучения, выделяют 2 важных этапа: обучение модели и её применение.
При применении модели такой однозначности уже нет и может возникнуть необходимость проинтегрировать готовую ML-модель в код продукта, написанный на C++.

Мы возьмём примеры из доклада «Обучаем на Python, применяем на C++" и создадим на их основе работающие и протестированные модули на C++.

План воркшопа:

Основные идеи и термины машинного обучения
Простейшая модель линейной регрессии
Реализация предсказаний модели на C++
Подходы к тестированию и сверке метрик
Библиотеки градиентного бустинга CatBoost
Кодогенерация или подключение C API
Пакетная обработка и вопросы производительности
Нейросетевые модели и векторизация
Реализация нейронной сети на C++ через матричные операции
Библиотека TensorFlow (C API) и TensorFlow Lite (C++ API)
Конвертация моделей и библиотека ONNX
Выводы и дальнейшие шаги

Что подготовить?

Установить Docker
Заранее скачать образ со всеми установленными зависимостями docker pull sdukshis/cppml
Научиться монтировать директорию с исходными кодами внутрь контейнера и запускать сборки через CMake
cd <hello, world>
docker run --rm $(pwd):/usr/src/app -ti sdukshis/cppml
cmake -B build
cmake --build build