Demistyfikacja nauki o danych graficznych: Algorytmy grafów, metody analityczne, platformy, bazy danych i przypadki użycia

Oryginalny tytuł:

Demystifying Graph Data Science: Graph Algorithms, Analytics Methods, Platforms, Databases, and Use Cases

Zawartość książki:

Wraz z rosnącą dojrzałością i stabilnością cyfryzacji i technologii brzegowych, ogromna liczba podmiotów cyfrowych, połączonych urządzeń i mikrousług celowo współdziała, tworząc ogromne zbiory wielostrukturalnych danych cyfrowych. Korporacje nieustannie poszukują nowych sposobów wykorzystania swoich danych do napędzania innowacji biznesowych i zakłóceń w celu wprowadzenia prawdziwej transformacji cyfrowej. Nauka o danych (DS) okazuje się być kompleksowym rozwiązaniem upraszczającym proces odkrywania i rozpowszechniania wiedzy z ogromnych ilości wielostrukturalnych danych.

Wspierane przez języki zapytań, bazy danych, algorytmy, platformy, metody analityczne oraz algorytmy uczenia maszynowego i głębokiego uczenia (ML i DL), wykresy pojawiają się obecnie jako nowa struktura danych do optymalnego reprezentowania różnorodnych danych i ich intymnych relacji.

W porównaniu z tradycyjnymi metodami analitycznymi, powiązanie punktów danych w analizie grafów ułatwia identyfikację klastrów powiązanych punktów danych w oparciu o poziomy wpływu, powiązania, częstotliwość interakcji i prawdopodobieństwo. Analityka grafowa jest wspierana przez szereg przełomowych technik analitycznych w celu zbadania i wskazania korzystnych relacji między różnymi podmiotami, takimi jak organizacje, ludzie i transakcje. Niniejsza książka ma na celu wyjaśnienie różnych aspektów i znaczenia nauki o danych grafowych. Autorzy zarówno ze środowisk akademickich, jak i przemysłowych omawiają algorytmy, metody analityczne, platformy i bazy danych, które są z natury zdolne do tworzenia wartości biznesowej poprzez inteligentne wykorzystanie połączonych danych.

Książka ta będzie cennym źródłem informacji dla badaczy z branży ICT i akademickich, naukowców i inżynierów, a także wykładowców i zaawansowanych studentów w dziedzinie analityki danych, nauki o danych, architektury chmury / mgły / krawędzi, internetu rzeczy, sztucznej inteligencji / uczenia maszynowego i głębokiego oraz powiązanych dziedzin zastosowań. Będzie również interesujący dla specjalistów ds. analityki w przemyśle i zespołach operacyjnych IT.