点燃智能洞察!LLMs与TigerGraph 深度融合,释放生成式AI的无限威力
生成式人工智能(Generative AI)和大语言模型(Large Language Models,LLMs)已经成为大家关注的焦点,它们可以帮助我们在互联网上获取各种信息。然而,企业在使用LLMs时面临一些问题。使用LangChain将LLMs与TigerGraph集成……
生成式人工智能(Generative AI)和大语言模型(Large Language Models,LLMs)已经成为大家关注的焦点,它们可以帮助我们在互联网上获取各种信息。然而,企业在使用LLMs时面临一些问题。使用LangChain将LLMs与TigerGraph集成……
在反洗钱(AML)领域,传统的基于规则的方法正在被图机器学习的变革所取代。由于金融交易量不断增加和误报警报普遍存在,人们更倾向于开始采用创新技术来提高调查效率。图机器学习通过解析金融数据中实体之间的复杂关系,成为解决方案的关键。
欢迎查收TigerGraph Cloud 2023年11月更新!作为一款领先的图分析平台,它彻底改变了您管理和分析图数据的方式。在本文中,我们将探索一些令人兴奋的新功能,帮助您轻松基于数据做出决策。无论您是经验丰富的用户还是刚接触TigerGraph Cloud,本文都将帮助您充分发挥平台的潜力,解锁宝贵的洞察力。
TigerGraph图数据库v3.9.3版本,引入了对工作负载管理、Kubernetes和OpenCypher的扩展支持,在现有的企业级功能(如细粒度访问控制、活动监控、安全性和数据完整性等)上进一步深耕
TigerGraph图数据库结合NVIDIA cuGraph GPU的并行处理能力,可以显著加速图训练时间。基准测试结果显示,GPU加速的计算速度比基于CPU的计算快了100倍以上,充分展示了将GPU纳入图分析中的明显优势……
如今,零售业的营销团队面临着重要的挑战,即如何获取和整合准确的数据,并进行高级分析以获得洞察力,从而应对日益激烈的市场竞争。尽管大型零售企业拥有丰富的数据资源,但这些数据通常分散在各个应用中,无法充分发挥实际的业务价值。数据孤岛的存在已经成为一个难题,而市场营销工具的多样性更增加了整合数据的复杂性。
作为首家通过LDBC SNB 10TB 官方审计的分布式图数据库厂商,TigerGraph 今年发布了一项108TB的LDBC社交网络基准测试。据统计,这次基准测试的 108TB 数据量是 "之前世界纪录的 3 倍"。通过对包含 2179 亿个顶点和 1.6 万亿条边的图进行 OLAP 式查询处理,清楚地证明了,TigerGraph有强大的能力处理真实生产环境中的大图工作负载。
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.