Description du cours : Faites passer vos compétences en apprentissage automatique au niveau supérieur en apprenant à déployer des applications de ML du monde réel à l'aide de Java. Dans ce cours pratique, vous utiliserez des outils tels que Spring Boot, Jenkins, GitHub Actions et RL4J pour intégrer, automatiser et surveiller les systèmes d'apprentissage automatique dans les environnements d'entreprise - aucune connaissance avancée en apprentissage automatique n'est requise. Dans le premier module, vous explorerez comment l'apprentissage automatique est appliqué dans des secteurs tels que la banque et le commerce électronique. Vous apprendrez à construire et à exposer des modèles de ML à travers les API REST de Spring Boot et à automatiser les flux de travail de déploiement en utilisant Jenkins et GitHub Actions. Le deuxième module introduit des concepts avancés comme l'apprentissage par renforcement, l'apprentissage fédéré et l'IA responsable. Vous explorerez comment construire des systèmes IA éthiques, équitables et sécurisés. Dans le dernier module, vous appliquerez votre apprentissage dans un projet capstone - concevoir, déployer et surveiller un pipeline ML complet tout en explorant les opportunités de carrière dans les MLOps et l'ingénierie de l'IA.


Applications réelles et déploiement de modèles en Java
Ce cours fait partie de Spécialisation Java dans l'Apprentissage automatique

Instructeur : Board Infinity
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Déployer des modèles ML dans des applications Java à l'aide de Spring Boot, d'API REST et d'outils de déploiement en périphérie.
Automatisez les pipelines de ML avec des outils MLOps tels que Jenkins et GitHub Actions.
Appliquer l'apprentissage par renforcement, l'apprentissage fédéré et les pratiques d'IA responsable dans des contextes d'entreprise.
Concevoir et déployer une solution Full stack ML en Java dans le cadre d'un projet pilote, en appliquant des données réelles et des stratégies de déploiement en production.
Compétences que vous acquerrez
- Catégorie : Déploiement du modèle
- Catégorie : Jenkins
- Catégorie : Java
- Catégorie : Déploiement des applications
- Catégorie : Déploiement continu
- Catégorie : Apprentissage fédéré
- Catégorie : Cadre de travail Spring
- Catégorie : Apprentissage par renforcement
- Catégorie : Sécurité IA
- Catégorie : Gestion des applications d'entreprise
- Catégorie : Apprentissage automatique
- Catégorie : IA responsable
- Catégorie : Spring Boot
- Catégorie : Intelligence artificielle
- Catégorie : Apprentissage automatique appliqué
- Catégorie : MLOps (Apprentissage automatique)
Détails à connaître

Ajouter à votre profil LinkedIn
juin 2025
10 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 3 modules dans ce cours
Enterprise Applications of Apprentissage automatique explore comment l'apprentissage automatique peut être appliqué pour résoudre des problèmes complexes à grande échelle dans des environnements professionnels réels. Ce module se concentre sur l'identification des cas d'utilisation à fort impact dans des secteurs tels que la finance, la santé, la vente au détail et la logistique, où le ML peut favoriser l'automatisation, l'optimisation et la prise de décision. Les apprenants examineront les modèles d'architecture de ML d'entreprise, exploreront les défis communs en matière de données et étudieront les implémentations réussies basées sur Java. En mettant l'accent sur le rapprochement des objectifs de développement et des objectifs commerciaux, ce module guide les apprenants tout au long du cycle de vie d'un projet de ML d'entreprise, de l'identification des opportunités à l'intégration et à la communication avec les parties prenantes. À la fin, les apprenants seront prêts à définir la portée, la conception et l'articulation des solutions d'apprentissage automatique qui s'alignent sur les priorités de l'organisation.
Inclus
8 vidéos4 lectures4 devoirs1 sujet de discussion
Advanced Topics and Emerging Trends (Sujets avancés et tendances émergentes) explore la pointe de l'apprentissage automatique qui continue d'évoluer au sein de l'écosystème Java et au-delà. Ce module présente aux apprenants des sujets avancés tels que l'apprentissage fédéré, l'apprentissage par transfert, l'IA explicable (XAI) et l'apprentissage par renforcement - offrant une perspective prospective sur la direction que prend le domaine. L'accent est mis sur la compréhension de la pertinence et de l'application de ces sujets dans le monde réel de l'entreprise et de la recherche. En plus des fondations théoriques, le module examine également les outils et les mises à jour de l'écosystème pertinents pour les développeurs Java, tels que l'intégration avec les hubs de modèles IA, le support de l'accélération GPU, et l'interopérabilité avec d'autres langages par le biais d'APIs. À la fin de ce module, les apprenants auront une solide maîtrise des sujets frontières et seront équipés pour évaluer et adopter les techniques émergentes dans leurs propres projets.
Inclus
6 vidéos2 lectures3 devoirs
Extension ou ateliers optionnels offre aux apprenants la possibilité d'approfondir leur compréhension de l'apprentissage automatique par le biais d'une exploration pratique, basée sur des projets, au-delà du programme d'études de base. Ce module comprend une série d'ateliers guidés, de mini-projets facultatifs et de laboratoires exploratoires qui se concentrent sur l'application des concepts ML à des problèmes spécifiques au domaine. Les sujets peuvent varier en fonction de l'intérêt de l'apprenant et de la pertinence de l'industrie, allant du traitement du langage naturel et de la vision par ordinateur à l'analytique en temps réel et aux intégrations de ML basées sur Java avec des plateformes en nuage. Conçus pour l'expérimentation pratique et l'apprentissage collaboratif, ces ateliers mettent l'accent sur la créativité, la résolution de problèmes et les meilleures pratiques pour le développement, le test et le déploiement de modèles. À la fin de ce module, les apprenants auront produit des prototypes fonctionnels ou des cas d'utilisation étendus qui renforcent leurs connaissances et donnent confiance dans les applications du monde réel.
Inclus
5 vidéos1 lecture3 devoirs
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeur

Offert par
En savoir plus sur Apprentissage automatique

Board Infinity

Board Infinity
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?





Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Oui, des connaissances de base en Java sont recommandées puisque vous allez construire des API et déployer des modèles ML à l'aide d'outils basés sur Java comme Spring Boot.
Vous travaillerez sur des études de cas et sur un projet de synthèse portant sur la détection des fraudes, les systèmes de recommandation et le déploiement complet.
Vous utiliserez Spring Boot, Jenkins, GitHub Actions et des outils de ML Java tels que RL4J et OpenNLP. Les outils de déploiement et les API sont également abordés.
Plus de questions
Aide financière disponible,

