随身听第37期: 使用 TigerGraph图技术增强机器学习,选自O’Reilly 电子书
今天的随身听,我们将主要围绕“洞察”这个主题进行讨论。在这本O'Reilly电子书的机器学习章节中,您可以详细地看到图如何增强机器学习的中心阶段,即特征提取和所有重要的模型训练。这些独特的图特征为机器学习提供了更好的构建模型的原材料。
今天的随身听,我们将主要围绕“洞察”这个主题进行讨论。在这本O'Reilly电子书的机器学习章节中,您可以详细地看到图如何增强机器学习的中心阶段,即特征提取和所有重要的模型训练。这些独特的图特征为机器学习提供了更好的构建模型的原材料。
11月 TigerGraph Cloud发布了最新版本3.8,今天我们将为大家更全面地介绍TigerGraph Cloud最新版本中的一些全新工具和改进,包括全新上线的图可视化和分析工具TigerGraph Insights、TigerGraph ML Workbench( 机器学习工作台)、TigerGraph GraphStudio最新版、Admin Portal等。
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。
TigerGraph Cloud 3.8版本简化了集群发放和管理体验。单击几下就可以创建一个新的集群,并在几分钟内开始使用一个图。通过现有GraphStudio的集成体验和全新工具的添加,TigerGraph Cloud实现了图数据库开发人员、管理员、数据分析师和数据科学家之间的无摩擦协作,以最大限度地发挥TigerGraph图数据库平台的全部潜力。
数字化是保险业竞争的“下半场”,各大险企已经逐年加大对数字科技的投入。在保险公司通过数据扩张市场、发展企业的过程中,图技术先天的对大量数据和复杂维度的处理能力,能够很好地解决保险公司在数据分析时的难点。如今,图技术已经成为保险业数字化的必需。今天,我们就保险行业的两个典型场景来聊聊图技术如何赋能保险业务的探索。
过去数年间,线上购物转变了我们的购买方式, 带来了新的“消费者时代”。相应地,电子商务也在拥抱人工智能、推荐引擎,甚至自动化平台,来帮助消费者考虑应该购买什么。人工智能平台生成的洞察可以提供巨大的价值,还可能为公司带来进一步的收益,以及为消费者提供更好、更个性化的客户体验。说了这么多那跟图技术有什么关系呢?今天我们就来聊聊图技术在电子商务上的应用和价值。
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.