Ocena:
Książka stanowi wnikliwy i praktyczny przewodnik po korzystaniu z grafowych baz danych, zwłaszcza w połączeniu z uczeniem maszynowym i technologiami sztucznej inteligencji. Służy jako kompleksowe źródło informacji zarówno dla kadry kierowniczej, jak i specjalistów technicznych zainteresowanych aplikacjami grafowymi.
Zalety:⬤ Naukowy, ale przystępny
⬤ oferuje cenne spostrzeżenia na temat łączenia grafowych baz danych z uczeniem maszynowym
⬤ zapewnia wskazówki krok po kroku i praktyczne przykłady
⬤ przydatne zarówno dla kadry kierowniczej, jak i naukowców zajmujących się danymi
⬤ przejrzysta struktura z rozdziałami budującymi i dołączonym kodem do ćwiczeń laboratoryjnych.
Tytuł może być mylący; może nie spełniać oczekiwań czytelników poszukujących informacji konkretnie na temat grafowego uczenia maszynowego lub grafowych sieci neuronowych.
(na podstawie 5 opinii czytelników)
Graph-Powered Machine Learning
Uczenie maszynowe polega na skutecznym identyfikowaniu wzorców i relacji w danych. Wiele zadań, takich jak znajdowanie powiązań między terminami w celu tworzenia dokładnych rekomendacji wyszukiwania lub lokalizowanie osób w sieci społecznościowej, które mają podobne zainteresowania, jest naturalnie wyrażanych w postaci wykresów.
Graph-Powered Machine Learning wprowadza w koncepcje technologii grafów, podkreślając ich rolę w uczeniu maszynowym i platformach Big Data. Poznasz dogłębnie techniki, w tym modelowanie źródeł danych, projektowanie algorytmów, analizę powiązań, klasyfikację i grupowanie. Opanowując podstawowe koncepcje, zapoznasz się z trzema kompleksowymi projektami, które ilustrują architektury, najlepsze praktyki projektowe, podejścia optymalizacyjne i typowe pułapki.
Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.