Узнайте, как алгоритмы графов могут помочь вам использовать отношения в ваших данных для разработки интеллектуальных решений и улучшения ваших моделей машинного обучения.
С помощью этого практического руководства разработчики и исследователи данных узнают, как графическая аналитика приносит пользу, независимо от того, используются ли они для построения динамических сетевых моделей или прогнозирования поведения в реальном мире.
Марк Нидхэм и Эми Ходлер из Neo4j объясняют, как алгоритмы графов описывают сложные структуры и выявляют труднодоступные шаблоны - от поиска уязвимостей и узких мест до обнаружения сообществ и улучшения прогнозов машинного обучения. Вы познакомитесь с практическими примерами, показывающими, как использовать графовые алгоритмы в Apache Spark и Neo4j, двух наиболее распространенных вариантах аналитики графов.
Узнайте, как графическая аналитика выявляет больше прогнозирующих элементов в сегодняшних данных
Поймите, как работают популярные графовые алгоритмы и как они применяются
Используйте пример кода и советы из более чем 20 примеров алгоритмов графов
Узнайте, какие алгоритмы использовать для различных типов вопросов
Изучите примеры с рабочим кодом и примеры наборов данных для Spark и Neo4j
Создайте рабочий процесс ML для предсказания ссылок, комбинируя Neo4j и Spark.