Kursbeschreibung Beherrschen Sie die End-to-End-Implementierung des Maschinellen Lernens mit Java und seinem leistungsstarken Ökosystem. Dieser praxisorientierte Kurs hilft Ihnen, ML-Modelle mit Tools wie Tribuo, Weka und DeepLearning4j zu erstellen, und zeigt Ihnen, wie Sie Modelle mit Spark, Mahout, PMML und ONNX skalieren und bereitstellen können. Es sind keine Vorkenntnisse in ML erforderlich - nur Java-Grundlagen und der Wunsch, intelligente Systeme für die reale Welt zu entwickeln. Im ersten Modul lernen Sie, wie Sie mit Weka und Tribuo Datensätze laden, bereinigen und vorverarbeiten und dann Ihre ersten Regressions- und Klassifizierungsmodelle von Grund auf erstellen. Das zweite Modul konzentriert sich auf Deep Learning. Sie verwenden DeepLearning4j, um neuronale Netzwerke zu entwickeln und einen Bildklassifikator für den MNIST-Datensatz zu erstellen. Im letzten Modul lernen Sie die Verarbeitung natürlicher Sprache mit OpenNLP kennen, skalieren Machine Learning-Pipelines mit Spark und Mahout und erfahren, wie Sie Modelle in Formaten wie PMML und ONNX für die Bereitstellung in der Praxis exportieren.
Maschinelles Lernen mit Implementierung in Java
Dieser Kurs ist Teil von Spezialisierung für Java im maschinellen Lernen
Dozent: Board Infinity
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Anwendung von Techniken zur Datenvorverarbeitung mit Java-Tools wie Weka und Tribuo für Aufgaben des Maschinellen Lernens.
Erstellen, Trainieren und Bewerten von Klassifizierungs-, Regressions- und Deep Learning-Modellen mit DL4J, Tribuo und DJL.
Implementieren Sie NLP und skalierbare Workflows für Maschinelles Lernen mit Apache OpenNLP, Spark MLlib und Mahout.
Bereitstellung von Modellen des Maschinellen Lernens in standardisierten Formaten wie PMML und ONNX, die plattformübergreifende Interoperabilität und Produktionsbereitschaft gewährleisten.
Kompetenzen, die Sie erwerben
- Kategorie: Verarbeitung natürlicher Sprache
- Kategorie: Daten bereinigen
- Kategorie: Datenumwandlung
- Kategorie: Bereitstellung von Anwendungen
- Kategorie: Maschinelles Lernen
- Kategorie: Interoperabilität
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Deep Learning
- Kategorie: Feature Technik
- Kategorie: Regressionsanalyse
- Kategorie: Datenverarbeitung
- Kategorie: Java Programmierung
- Kategorie: Java
- Kategorie: Apache Spark
- Kategorie: Skalierbarkeit
- Kategorie: Künstliche neuronale Netze
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
Juni 2025
12 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 3 Module
Data Handling & Preprocessing with Java konzentriert sich auf den wesentlichen ersten Schritt jeder Machine Learning-Pipeline - die Aufbereitung von Daten für das Training von Modellen. In diesem Modul werden die Teilnehmer mit Schlüsselkonzepten wie Datenbereinigung, Normalisierung, Feature Selection und Transformation vertraut gemacht, die alle im Kontext der Java-basierten Entwicklung stehen. Mit Hilfe von Bibliotheken wie Weka und Tribuo sammeln die Teilnehmer praktische Erfahrungen bei der Verwaltung von Datensätzen, dem Umgang mit fehlenden Werten, der Kodierung kategorialer Variablen und der Skalierung von Merkmalen. Das Modul unterstreicht die Bedeutung hochwertiger Eingabedaten und führt durch durchgängige Workflows für die Vorverarbeitung, die auf reale Java-Anwendungen zugeschnitten sind. Durch die Beherrschung dieser Techniken werden die Lernenden in die Lage versetzt, zuverlässige, genaue Modelle des Maschinellen Lernens zu erstellen, die auf gut strukturierten, aussagekräftigen Daten basieren.
Das ist alles enthalten
8 Videos4 Lektüren4 Aufgaben1 Diskussionsthema
Deep Learning in Java führt die Lernenden in die Grundlagen des Deep Learning ein und zeigt, wie neuronale Netzwerke mit Java-basierten Frameworks aufgebaut und bereitgestellt werden können. Dieses Modul beginnt mit der Erklärung von Schlüsselkonzepten wie künstlichen Neuronen, Aktivierungsfunktionen, Backpropagation und mehrschichtigen Architekturen. Die Lernenden erfahren, wie sich Deep Learning vom traditionellen maschinellen Lernen unterscheidet und wo es seine Stärken hat - vor allem bei Aufgaben, die Bilder, Text und komplexe Datenmuster beinhalten. Der praktische Teil des Moduls konzentriert sich auf die Erstellung und das Training von Deep Learning-Modellen mit Bibliotheken wie DeepLearning4J (DL4J), wobei Aufgaben wie Bildklassifizierung und Sentimentnalyse behandelt werden. Die Teilnehmer lernen auch, wie man Fine-Tuning von Modellen vornimmt, Trainingsprozesse verwaltet und die Leistung von Modellen bewertet. Am Ende dieses Moduls werden die Lernenden in der Lage sein, Deep Learning in realen Java-Anwendungen anzuwenden.
Das ist alles enthalten
10 Videos3 Lektüren4 Aufgaben
Spezialisierte Bibliotheken & Techniken erforscht fortgeschrittene Werkzeuge und Strategien, die die Möglichkeiten des Maschinellen Lernens in Java erweitern. Dieses Modul führt die Lernenden in eine Vielzahl von spezialisierten Java-Bibliotheken ein, die für bestimmte Aufgaben wie die Verarbeitung natürlicher Sprache (NLP), Zeitreihenvorhersage und Bestärkendes Lernen entwickelt wurden. Die Lernenden werden praktische Erfahrungen mit Tools wie ND4J für numerische Berechnungen, Smile für statistisches Lernen und Stanford CoreNLP für die Textanalyse sammeln. Zusätzlich zum toolbasierten Lernen deckt dieses Modul fortgeschrittene ML-Techniken wie Hyperparameter-Tuning, Ensemble-Modellierung und Modell-Serialisierung ab. Der Schwerpunkt liegt darauf, die Lernenden mit einem breiteren Toolkit und tieferen Einblicken in die effiziente und effektive Lösung komplexer Probleme in Java-Umgebungen auszustatten.
Das ist alles enthalten
10 Videos3 Lektüren4 Aufgaben
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent
Mehr von Maschinelles Lernen entdecken
Board Infinity
Board Infinity
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Grundlegende Java-Programmierung reicht aus - keine fortgeschrittenen Code- oder ML-Kenntnisse erforderlich. Geführte Beispiele erledigen den Rest.
Sie arbeiten mit Tribuo, Weka, DL4J, Spark, Mahout, OpenNLP und Modellexporttechnologien wie PMML/ONNX.
Der Kurs ist auf 3-4 Wochen mit 2-4 Stunden pro Woche ausgelegt und kann vollständig in den eigenen Zeitplan integriert werden.
Weitere Fragen
Finanzielle Unterstützung verfügbar,