קורסים מקצועיים למתקדמים
תפריט
6460
בדיקת התאמה להייטק ללא עלות

Java

Machine Learning & Data analysis for Java Developers

מספר הקורס 6970

למה ללמוד בג'ון ברייס?
  • למידה חדשנית ודינמית עם כלים מתקדמים בשילוב סימולציות, תרגול וסביבות מעבדה
  • מגוון הכשרות טכנולוגיות עם תכנים המותאמים להתפתחות הטכנולוגית ולביקוש בתעשיית ההייטק
  • מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם קהילה של עשרות אלפי בוגרים
  • אתם בוחרים איך ללמוד: פרונטאלית בכיתה, מרחוק ב- Live Class או בלמידה עצמית
מעניין אותי לשמוע עוד

המועדים הקרובים

קורס לקבוצות

הקורס נפתח במתכונת של קבוצה בלבד, בהתאמה אישית לארגונים.
לפרטים נוספים: Muzman@johnbryce.co.il

לחץ כאן

משך הקורס

שעות אקדמיות:

24

מספר מפגשים:

קורס בוקר:

3

מתכונת הקורס

הקורסים המוזמנים לארגונים מותאמים באופן אישי ומלא לצרכי הארגון, מערכי הלימוד גמישים וניתן לשלב בהם תכנים רלוונטיים וייעודיים.

  • מרצים מומחים ומנוסים מהתעשייה
  • למידה מתקדמת בהתאמה אישית
  • התפתחות ושדרוג מקצועי
  • חוויית למידה חדשנית ומקיפה
  • ליווי וייעוץ מקצועי
  • חומרי לימוד ייחודיים ובלעדיים

Overview

 

Machine learning becomes more and more relevant as applications faces BigData. It is important for server side developers to enter this world since eventually, in a ‘Service Oriented’ world, there is no way to keep up with rapid data generation and endless ways to analyze it.

This course deep dives into ML concepts, methodologies and algorithms. The course then relates to implementing ML in Java using Java based API – WEKA.

מטרות הקורס

Who Should Attend

Java developers that want to understand ML terms, methodologies and algorithms

Java developers that want to implement WEKA API for ML

Java developers that need to use ML for IT, Marketing, Security or any other BigData resource

תכנית הלימודים

Full syllabus
PDF להורדה

Machine Learning

  • Initial Data Understanding
    • Correlations
    • Outliers Detection
    • Data Types
  • Data Preparation
    • Data Normalization
    • Feature Selection
    • Feature Extraction
  • Supervised Learning
    • Generalization
    • Bias
    • Variance
    • Classification
    • Regression
  • Basic Supervised Learning Algorithms
    • K-NN
    • Decision Trees
    • Linear Regression
    • Logistic Regression
    • SVM
    • Naïve Bayes
  • Basic Unsupervised Learning
    • K-Means
    • EM

Java ML with WEKA

  • Introduction to WEKA
  • Installing & documentation
  • Working with ARFF files & DBs
  • Main components
  • Instances
  • Options
  • Setting filters
  • Classifiers
  • Using clusters
  • Evaluation
  • Attribute selection

 

 

Prerequisites
  • Experience in JavaSE
  • Familiarity with Java server side techs (Web/Spring/EJB)

 

Schedule Appointment

Fill out the form below, and we will be in touch shortly.

לא הצלחנו לאתר את הטופס.