Kursbeschreibung: Bringen Sie Ihre Fähigkeiten im Maschinellen Lernen auf die nächste Stufe, indem Sie lernen, wie man reale ML-Anwendungen mit Java bereitstellt. In diesem praxisorientierten Kurs verwenden Sie Tools wie Spring Boot, Jenkins, GitHub Actions und RL4J, um ML-Systeme in Unternehmensumgebungen zu integrieren, zu automatisieren und zu überwachen - ohne fortgeschrittene ML-Kenntnisse. Im ersten Modul erkunden Sie, wie maschinelles Lernen in Branchen wie dem Bankwesen und dem E-Commerce eingesetzt wird. Sie lernen, ML-Modelle über Spring Boot REST APIs zu erstellen und bereitzustellen und die Bereitstellung von Workflows mit Jenkins und GitHub Actions zu automatisieren. Im zweiten Modul werden fortgeschrittene Konzepte wie Bestärkendes Lernen, föderiertes Lernen und verantwortungsvolle KI vorgestellt. Sie lernen, wie man ethische, faire und sichere KI-Systeme aufbaut. Im letzten Modul wenden Sie das Gelernte in einem Projekt an, in dem Sie eine komplette ML-Pipeline entwerfen, bereitstellen und überwachen, während Sie Karrieremöglichkeiten im Bereich MLOps und KI-Engineering erkunden.

Schalten Sie mit Coursera Plus den Zugang zu mehr als 10.000 Kursen frei. Starten Sie die 7-tägige kostenlose Testversion.


Real-World-Anwendungen und Modellbereitstellung in Java
Dieser Kurs ist Teil von Spezialisierung für Java im maschinellen Lernen

Dozent: Board Infinity
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Bereitstellung von ML-Modellen in Java-Anwendungen unter Verwendung von Spring Boot, REST APIs und Edge Deployment Tools.
Automatisieren Sie ML-Pipelines mit MLOps-Tools wie Jenkins und GitHub Actions.
Anwendung des Bestärkenden Lernens, des föderierten Lernens und der verantwortungsvollen KI im Unternehmenskontext.
Entwurf und Bereitstellung einer Full Stack ML-Lösung in Java im Rahmen eines Abschlussprojekts unter Anwendung realer Daten- und Produktionsbereitstellungsstrategien.
Kompetenzen, die Sie erwerben
- Kategorie: MLOps (Maschinelles Lernen Operations)
- Kategorie: Unternehmensarchitektur
- Kategorie: Künstliche Intelligenz
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Java
- Kategorie: Reinforcement Learning
- Kategorie: Maschinelles Lernen
- Kategorie: Management von Unternehmensanwendungen
- Kategorie: Bereitstellung von Anwendungen
- Kategorie: Java Programmierung
- Kategorie: Kontinuierliche Bereitstellung
- Kategorie: Verantwortungsvolle KI
- Kategorie: Spring Framework
- Kategorie: CI/CD
- Kategorie: Kontinuierliche Überwachung
- Kategorie: Spring Boot
- Kategorie: Künstliche Intelligenz und Maschinelles Lernen (KI/ML)
- Kategorie: Jenkins
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
Juni 2025
10 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
Enterprise Applications of Machine Learning untersucht, wie maschinelles Lernen zur Lösung komplexer, umfangreicher Probleme in realen Geschäftsumgebungen eingesetzt werden kann. Dieses Modul konzentriert sich auf die Identifizierung von Anwendungsfällen in Branchen wie Finanzen, Gesundheitswesen, Einzelhandel und Logistik, in denen maschinelles Lernen zur Automatisierung, Optimierung und Entscheidungsfindung beitragen kann. Die Lernenden werden Muster in der ML-Architektur von Unternehmen untersuchen, allgemeine Datenherausforderungen erforschen und erfolgreiche Java-basierte Implementierungen studieren. Mit dem Schwerpunkt auf der Überbrückung von Entwicklungs- und Geschäftszielen führt dieses Modul die Lernenden durch den Lebenszyklus eines ML-Projekts in Unternehmen - von der Identifizierung von Möglichkeiten bis zur Integration und Kommunikation mit den Interessengruppen. Am Ende des Moduls werden die Teilnehmer in der Lage sein, Lösungen für Maschinelles Lernen zu planen, zu entwerfen und zu formulieren, die den Prioritäten des Unternehmens entsprechen.
Das ist alles enthalten
8 Videos4 Lektüren4 Aufgaben1 Diskussionsthema
Fortgeschrittene Themen und aufkommende Trends erforscht den neuesten Stand des Maschinellen Lernens, wie es sich innerhalb des Java-Ökosystems und darüber hinaus weiterentwickelt. Dieses Modul führt die Lernenden in fortgeschrittene Themen wie föderiertes Lernen, Transfer Learning, erklärbare KI (XAI) und bestärkendes Lernen ein und bietet eine zukunftsorientierte Perspektive, wohin sich das Feld bewegt. Der Schwerpunkt liegt auf dem Verständnis der Relevanz und der Anwendung dieser Themen in realen Unternehmens- und Forschungsumgebungen. Neben den theoretischen Grundlagen werden in diesem Modul auch für Java-Entwickler relevante Tooling- und Ökosystem-Updates untersucht, z. B. die Integration mit KI-Modell-Hubs, die Unterstützung von GPU-Beschleunigung und die Interoperabilität mit anderen Sprachen über APIs. Am Ende dieses Moduls werden die Lernenden ein solides Verständnis für zukunftsweisende Themen haben und in der Lage sein, aufkommende Techniken in ihren eigenen Projekten zu bewerten und einzusetzen.
Das ist alles enthalten
6 Videos2 Lektüren3 Aufgaben
Optionale Erweiterungen oder Workshops bieten den Lernenden die Möglichkeit, ihr Verständnis des Maschinellen Lernens durch praktische, projektbasierte Erkundung über den Kernlehrplan hinaus zu vertiefen. Dieses Modul umfasst eine Reihe von geführten Workshops, optionalen Miniprojekten und Sondierungsübungen, die sich auf die Anwendung von ML-Konzepten auf domänenspezifische Probleme konzentrieren. Die Themen variieren je nach Interesse der Lernenden und Branchenrelevanz und reichen von der Verarbeitung natürlicher Sprache und Computer Vision bis hin zu Echtzeit-Analytik und Java-basierten ML-Integrationen mit Cloud-Computing-Plattformen. Diese Workshops sind für praktisches Experimentieren und gemeinschaftliches Lernen konzipiert und legen den Schwerpunkt auf Kreativität, Problemlösung und Best Practices für die Modellentwicklung, das Testen und die Bereitstellung. Am Ende dieses Moduls werden die Lernenden funktionale Prototypen oder erweiterte Anwendungsfälle erstellt haben, die ihr Wissen festigen und Vertrauen in reale Anwendungen schaffen.
Das ist alles enthalten
5 Videos1 Lektüre3 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
Ja, grundlegende Java-Kenntnisse sind empfehlenswert, da Sie APIs erstellen und ML-Modelle mit Java-basierten Tools wie Spring Boot bereitstellen werden.
Sie arbeiten an Fallstudien und einem Abschlussprojekt, das sich mit Betrugserkennung, Empfehlungssystemen und vollständiger Bereitstellung befasst.
Sie werden Spring Boot, Jenkins, GitHub Actions und Java ML-Tools wie RL4J und OpenNLP verwenden. Die Bereitstellung von Tools und APIs wird ebenfalls behandelt.
Weitere Fragen
Finanzielle Unterstützung verfügbar,

