利用TigerGraph Cloud上的ML Workbench为您的BI提速
在这篇博客中,我们将展示如何在TigerGraph Cloud上,使用机器学习工作台(ML workbench),在准备你的图数据集后,如何创建图特征工程,训练你的GNN模型,用子图可视化你的模型预测等。最终借助TigerGraph ML Workbench( 机器学习工作台),加速企业BI。
在这篇博客中,我们将展示如何在TigerGraph Cloud上,使用机器学习工作台(ML workbench),在准备你的图数据集后,如何创建图特征工程,训练你的GNN模型,用子图可视化你的模型预测等。最终借助TigerGraph ML Workbench( 机器学习工作台),加速企业BI。
为了简化构建可视化图分析应用程序,TigerGraph Insights 支持用户在可视化界面上简单地点击、拖放,即可构建具有丰富交互功能的、多页面的、数据驱动的可视化图表,并支持传统的BI视图部件。这些图还可以借助交互式dashboard连接起来,以便轻松共享,从而更深入地了解和洞察关联数据。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.