Algorytmy grafowe dla nauki o danych: Z przykładami w Neo4j

Opinie czytelników

Książka jest wysoko ceniona za skuteczne wyjaśnienia algorytmów grafowych oraz równowagę między teorią a praktycznymi zastosowaniami, dzięki czemu jest cenna dla naukowców zajmujących się danymi i inżynierów uczenia maszynowego. Jest postrzegana jako aktualna i istotna, szczególnie dla osób pracujących ze złożonymi strukturami danych i analityką grafów.

Dobrze wyjaśnione algorytmy grafowe, przydatne do zrozumienia złożonych struktur, praktyczne zastosowania, cenne dla naukowców zajmujących się danymi i zaawansowanych praktyków, aktualne trendy w sztucznej inteligencji i reprezentacji grafów.

W recenzjach nie wymieniono żadnych konkretnych wad.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Graph Algorithms for Data Science: With Examples in Neo4j

Zawartość książki:

Grafy są naturalnym sposobem na zrozumienie połączonych danych. Ta książka bada najważniejsze algorytmy i techniki dla grafów w nauce o danych, z praktycznymi przykładami i konkretnymi poradami dotyczącymi implementacji i wdrażania.

W książce Graph Algorithms for Data Science dowiesz się:

Modelowanie grafów o oznaczonych właściwościach.

Konstruowanie grafu z danych strukturalnych, takich jak CSV lub SQL.

Techniki NLP do konstruowania grafów z nieustrukturyzowanych danych.

Składnia języka zapytań Cypher do manipulowania danymi i wyciągania wniosków.

Algorytmy analizy sieci społecznościowych, takie jak PageRank i wykrywanie społeczności.

Jak przetłumaczyć strukturę grafu na dane wejściowe modelu ML za pomocą modeli osadzania węzłów.

Korzystanie z funkcji grafu w klasyfikacji węzłów i przepływach pracy przewidywania linków.

Graph Algorithms for Data Science to praktyczny przewodnik po pracy z danymi opartymi na grafach w aplikacjach takich jak uczenie maszynowe, wykrywanie oszustw i analiza danych biznesowych. Jest on wypełniony fascynującymi i zabawnymi projektami, demonstrującymi tajniki wykresów. Zdobędziesz praktyczne umiejętności, analizując Twittera, budując wykresy za pomocą technik NLP i nie tylko. Nie potrzebujesz żadnego doświadczenia z grafami, aby zacząć czerpać korzyści z tego wnikliwego przewodnika. Te potężne algorytmy grafowe są wyjaśnione w jasnym, pozbawionym żargonu tekście i ilustracjach, dzięki czemu można je łatwo zastosować we własnych projektach.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.

O technologii

Wykresy ujawniają relacje w danych. Śledzenie tych powiązań ujawnia nowe spostrzeżenia i wpływy oraz pozwala analizować każdy punkt danych jako część większej całości. Te wzajemnie powiązane dane są idealne do uczenia maszynowego, a także do analizowania sieci społecznościowych, społeczności, a nawet rekomendacji produktów.

O książce

Graph Algorithms for Data Science uczy, jak konstruować grafy zarówno z danych ustrukturyzowanych, jak i nieustrukturyzowanych. Dowiesz się, jak elastyczny język zapytań Cypher może być używany do łatwego manipulowania strukturami grafów i wydobywania niesamowitych spostrzeżeń. Książka analizuje popularne i przydatne algorytmy grafowe, takie jak PageRank i algorytmy wykrywania / grupowania społeczności. Każdy nowy algorytm, którego się nauczysz, jest natychmiast wprowadzany w życie, aby ukończyć praktyczny projekt danych, w tym modelowanie sieci społecznościowej! Wreszcie, dowiesz się, jak wykorzystać wykresy do ulepszenia uczenia maszynowego, w tym wykorzystania modeli osadzania węzłów i grafowych sieci neuronowych.

O czytelniku

Dla naukowców zajmujących się danymi, którzy znają podstawy uczenia maszynowego. Przykłady wykorzystują język zapytań Cypher, który jest wyjaśniony w książce.

O autorze

Tomaz Bratanic jest naukowcem sieciowym, pracującym na przecięciu grafów i uczenia maszynowego. Zastosował te techniki grafowe w projektach z różnych dziedzin, w tym wykrywania oszustw, biomedycyny, analityki biznesowej i rekomendacji.