Avis des lecteurs
Résumé:Le livre « Graph Data Science with Neo4j » est très apprécié pour sa couverture complète des concepts de la science des données graphiques utilisant Neo4j, convenant à la fois aux débutants et aux praticiens expérimentés. Il offre des exemples pratiques, des conseils étape par étape et une vision des sujets avancés, ce qui en fait une ressource précieuse pour les scientifiques des données.
Avantages:⬤ Excellent pour les débutants et les utilisateurs expérimentés
⬤ exemples pratiques
⬤ instructions claires étape par étape
⬤ couvre à la fois les sujets de base et avancés
⬤ accent mis sur les applications du monde réel
⬤ sert de référence durable
⬤ présente le pilote Python GDSL de Neo4j.
⬤ Certains lecteurs peuvent trouver que le livre suppose un certain niveau de connaissances préalables
⬤ une exploration plus approfondie des sujets avancés peut parfois être souhaitée
⬤ Neo4j n'est peut-être pas la seule option disponible, ce qui peut limiter la perspective sur la science des données graphiques.
(basé sur 6 avis de lecteurs)
Titre original :
Graph Data Science with Neo4j: Learn how to use Neo4j 5 with Graph Data Science library 2.0 and its Python driver for your project
Contenu du livre :
Optimisez vos données avec le potentiel illimité de Neo4j 5, la première base de données de graphes pour l'apprentissage automatique de pointe.
L'achat de la version imprimée ou du livre Kindle inclut un livre électronique PDF gratuit.
Caractéristiques principales :
⬤ Extraire des informations significatives des données graphiques avec la dernière version 5 de Neo4j.
⬤ Utilisez les algorithmes de graphes dans un pipeline régulier d'apprentissage automatique en Python.
⬤ Apprenez les principes fondamentaux de la bibliothèque Graph Data Science pour faire des prédictions et créer des pipelines de science des données.
Description du livre :
Neo4j, avec sa bibliothèque Graph Data Science (GDS), est une solution complète pour stocker, interroger et analyser des données graphiques. Les bases de données graphiques étant de plus en plus populaires parmi les développeurs, les scientifiques des données sont susceptibles d'être confrontés à de telles bases de données au cours de leur carrière, ce qui en fait une compétence indispensable pour travailler avec des algorithmes de graphes afin d'extraire des informations contextuelles et d'améliorer les performances globales de prédiction du modèle.
Les data scientists travaillant avec Python pourront mettre leurs connaissances à profit grâce à ce guide pratique de Neo4j et de la bibliothèque GDS qui propose des explications pas à pas des concepts essentiels et des instructions pratiques pour mettre en œuvre des techniques de data science sur des données graphiques en utilisant la dernière version 5 de Neo4j et ses bibliothèques associées. Vous commencerez par interroger Neo4j avec Cypher et apprendrez à caractériser les ensembles de données graphiques. Au fur et à mesure que vous vous habituerez à exécuter des algorithmes de graphes sur des données de graphes stockées dans Neo4j, vous comprendrez les capacités nouvelles et avancées de la bibliothèque GDS qui vous permettent de faire des prédictions et d'écrire des pipelines de science des données. En utilisant le pilote Python GDSL récemment publié, vous serez en mesure d'intégrer des algorithmes de graphes dans votre pipeline de ML.
À la fin de ce livre, vous serez en mesure de tirer parti des relations dans votre ensemble de données pour améliorer votre modèle actuel et faire d'autres types de prédictions élaborées.
Ce que vous apprendrez
⬤ Utiliser le langage de requête Cypher pour interroger les bases de données de graphes telles que Neo4j.
⬤ Construire des ensembles de données de graphes à partir de vos propres données et de graphes de connaissances publiques.
⬤ Faire des prédictions spécifiques aux graphes telles que la prédiction de liens.
⬤ Explorer la dernière version de Neo4j pour construire un pipeline de science des données de graphes.
⬤ Exécuter un algorithme de prédiction scikit-learn avec des données graphiques.
⬤ Entraîner un algorithme d'intégration prédictive dans GDS et gérer le magasin de modèles.
A qui s'adresse ce livre :
Si vous êtes un data scientist ou un professionnel des données, que vous connaissez les bases de Neo4j et que vous êtes maintenant prêt à comprendre comment construire des solutions analytiques avancées, ce livre sur la science des graphes vous sera utile. Une bonne connaissance des composants majeurs d'un projet de science des données en Python et Neo4j est nécessaire pour suivre les concepts abordés dans ce livre.
Autres informations sur le livre :
| ISBN : | 9781804612743 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
