Avis des lecteurs
Résumé:Ce livre est très apprécié pour ses explications efficaces des algorithmes de graphes et son équilibre entre la théorie et les applications pratiques, ce qui le rend précieux pour les scientifiques des données et les ingénieurs de l'apprentissage automatique. Il est considéré comme opportun et pertinent, en particulier pour ceux qui travaillent avec des structures de données complexes et l'analyse des graphes.
Avantages:Algorithmes graphiques bien expliqués, utiles pour comprendre les structures complexes, applications pratiques, utiles pour les scientifiques des données et les praticiens avancés, opportun pour les tendances actuelles de l'IA et de la représentation graphique.
Inconvénients:Aucun inconvénient particulier n'a été mentionné dans les commentaires.
(basé sur 3 avis de lecteurs)
Titre original :
Graph Algorithms for Data Science: With Examples in Neo4j
Contenu du livre :
Les graphes sont le moyen naturel de comprendre les données connectées. Ce livre explore les algorithmes et les techniques les plus importants pour les graphes dans la science des données, avec des exemples pratiques et des conseils concrets sur la mise en œuvre et le déploiement.
Dans Graph Algorithms for Data Science, vous apprendrez :
La modélisation des graphes à propriétés étiquetées.
La construction d'un graphe à partir de données structurées telles que CSV ou SQL.
Les techniques NLP pour construire un graphe à partir de données non structurées.
La syntaxe du langage de requête Cypher pour manipuler les données et extraire des informations.
Algorithmes d'analyse des réseaux sociaux comme le PageRank et la détection des communautés.
Comment traduire la structure d'un graphe en entrée d'un modèle ML avec des modèles d'intégration de nœuds.
Utilisation des caractéristiques des graphes dans les flux de travail de classification des nœuds et de prédiction des liens.
Graph Algorithms for Data Science est un guide pratique pour travailler avec des données basées sur des graphes dans des applications telles que l'apprentissage automatique, la détection des fraudes et l'analyse des données commerciales. Il est rempli de projets fascinants et amusants, démontrant les tenants et aboutissants des graphes. Vous acquerrez des compétences pratiques en analysant Twitter, en construisant des graphiques avec des techniques NLP, et bien plus encore. Vous n'avez besoin d'aucune expérience dans le domaine des graphes pour commencer à bénéficier de ce guide perspicace. Ces puissants algorithmes de graphes sont expliqués dans un texte clair, sans jargon et avec des illustrations qui les rendent faciles à appliquer à vos propres projets.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
Les graphiques révèlent les relations entre vos données. Le suivi de ces liens révèle de nouvelles perspectives et influences et vous permet d'analyser chaque point de données comme faisant partie d'un ensemble plus vaste. Ces données interconnectées sont parfaites pour l'apprentissage automatique, ainsi que pour l'analyse des réseaux sociaux, des communautés et même des recommandations de produits.
À propos du livre
Graph Algorithms for Data Science vous apprend à construire des graphes à partir de données structurées et non structurées. Vous apprendrez comment le langage de requête flexible Cypher peut être utilisé pour manipuler facilement les structures de graphes et en extraire des informations étonnantes. Le livre explore des algorithmes de graphes communs et utiles tels que PageRank et les algorithmes de détection de communautés/clustering. Chaque nouvel algorithme que vous apprenez est instantanément mis en action pour réaliser un projet de données pratique, y compris la modélisation d'un réseau social ! Enfin, vous apprendrez comment utiliser les graphes pour améliorer votre apprentissage automatique, notamment en utilisant des modèles d'intégration de nœuds et des réseaux neuronaux de graphes.
A propos du lecteur
Pour les data scientists qui connaissent les bases de l'apprentissage automatique. Les exemples utilisent le langage de requête Cypher, qui est expliqué dans le livre.
À propos de l'auteur
Tomaz Bratanic est un spécialiste des réseaux dans l'âme, qui travaille à l'intersection des graphes et de l'apprentissage automatique. Il a appliqué ces techniques de graphes à des projets dans divers domaines, notamment la détection des fraudes, la biomédecine, l'analyse commerciale et les recommandations.
Autres informations sur le livre :
| ISBN : | 9781617299469 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2024 |
| Nombre de pages : | 325 |
Achat:
Actuellement disponible, en stock.
