Algoritmi grafici per la scienza dei dati: Con esempi in Neo4j

Recensioni dei lettori

Il libro è molto apprezzato per le sue spiegazioni efficaci degli algoritmi a grafo e per il suo equilibrio tra teoria e applicazioni pratiche, che lo rendono prezioso per gli scienziati dei dati e gli ingegneri dell'apprendimento automatico. È considerato attuale e rilevante, in particolare per coloro che lavorano con strutture di dati complesse e con l'analisi dei grafi.

Algoritmi a grafo ben spiegati, utile per la comprensione di strutture complesse, applicazioni pratiche, prezioso per gli scienziati dei dati e i professionisti avanzati, attuale per le tendenze attuali nell'IA e nella rappresentazione dei grafi.

Nelle recensioni non sono stati menzionati svantaggi specifici.

(basato su 3 recensioni dei lettori)

Titolo originale:

Graph Algorithms for Data Science: With Examples in Neo4j

Contenuto del libro:

I grafi sono il modo più naturale per comprendere i dati connessi. Questo libro esplora gli algoritmi e le tecniche più importanti per i grafi nella scienza dei dati, con esempi pratici e consigli concreti sull'implementazione e l'impiego.

In Algoritmi di grafi per la scienza dei dati imparerete:

Modellazione di grafi con proprietà etichettate.

Costruire un grafo da dati strutturati come CSV o SQL.

Tecniche di PNL per costruire un grafo da dati non strutturati.

Sintassi del linguaggio di interrogazione Cypher per manipolare i dati ed estrarre informazioni.

Algoritmi di analisi delle reti sociali come il PageRank e il rilevamento delle comunità.

Come tradurre la struttura del grafo in un modello di ML con modelli di incorporazione dei nodi.

Utilizzo delle caratteristiche del grafo nei flussi di lavoro di classificazione dei nodi e di previsione dei collegamenti.

Graph Algorithms for Data Science è una guida pratica per lavorare con i dati basati sui grafi in applicazioni come l'apprendimento automatico, il rilevamento delle frodi e l'analisi dei dati aziendali. È pieno di progetti affascinanti e divertenti, che dimostrano i vantaggi e gli svantaggi dei grafi. Potrete acquisire competenze pratiche analizzando Twitter, costruendo grafi con tecniche di PNL e molto altro ancora. Non è necessario avere alcuna esperienza con i grafi per iniziare a trarre vantaggio da questa guida approfondita. I potenti algoritmi dei grafi sono spiegati con testi e illustrazioni chiari e privi di gergo, che ne facilitano l'applicazione ai vostri progetti.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

I grafici rivelano le relazioni tra i dati. Il monitoraggio di queste connessioni interconnesse rivela nuove intuizioni e influenze e consente di analizzare ogni punto di dati come parte di un insieme più ampio. Questi dati interconnessi sono perfetti per l'apprendimento automatico e per l'analisi di reti sociali, comunità e persino raccomandazioni di prodotti.

Informazioni sul libro

Graph Algorithms for Data Science insegna a costruire grafi a partire da dati strutturati e non strutturati. Imparerete come il flessibile linguaggio di interrogazione Cypher possa essere utilizzato per manipolare facilmente le strutture dei grafi ed estrarre intuizioni sorprendenti. Il libro esplora algoritmi di grafo comuni e utili, come il PageRank e gli algoritmi di rilevamento e raggruppamento delle comunità. Ogni nuovo algoritmo appreso viene immediatamente messo in pratica per completare un progetto pratico sui dati, compresa la modellazione di una rete sociale! Infine, imparerete come utilizzare i grafi per migliorare l'apprendimento automatico, utilizzando anche modelli di incorporazione dei nodi e reti neurali a grafo.

Informazioni sul lettore

Per gli scienziati dei dati che conoscono le basi dell'apprendimento automatico. Gli esempi utilizzano il linguaggio di interrogazione Cypher, che viene spiegato nel libro.

Informazioni sull'autore

Tomaz Bratanic è uno scienziato delle reti che lavora all'intersezione tra grafi e apprendimento automatico. Ha applicato queste tecniche a grafo a progetti in vari domini, tra cui il rilevamento delle frodi, la biomedicina, l'analisi orientata al business e le raccomandazioni.