MARC

 008260202s2023        xx            o                  0  eng  d
■001EBC30662133
■003MiAaPQ
■00520260202073946.0
■006m          o    d  |            
■007cr  cnu||||||||
■020    ▼a9781098106621▼q(electronic  bk.)
■020    ▼z9781098106652
■035    ▼a(MiAaPQ)EBC30662133
■035    ▼a(Au-PeEL)EBL30662133
■035    ▼a(OCoLC)1286900309
■040    ▼aMiAaPQ▼beng▼erda▼epn▼cMiAaPQ▼dMiAaPQ
■1001  ▼aD,  Victor  Lee  Ph.
■24510▼aGraph-Powered  Analytics  and  Machine  Learning  with  TigerGraph
■250    ▼a1st  ed.
■264  1▼aSebastopol▼bO'Reilly  Media,  Incorporated▼c2023.
■264  4▼c?023.
■300    ▼a1  online  resource  (317  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■5050  ▼aCover  --  Copyright  --  Table  of  Contents  --  Preface  --  Objectives  --  Audience  and  Prerequisites  --  Approach  and  Roadmap  --  Conventions  Used  in  This  Book  --  Using  Code  Examples  --  O'Reilly  Online  Learning  --  How  to  Contact  Us  --  Acknowledgments  --  Chapter  1.  Connections  Are  Everything  --  Connections  Change  Everything  --  What  Is  a  Graph?  --  Why  Graphs  Matter  --  Edges  Outperform  Table  Joins  --  Graph  Analytics  and  Machine  Learning  --  Graph-Enhanced  Machine  Learning  --  Chapter  Summary  --  Part  I.  Connect  --  Chapter  2.  Connect  and  Explore  Data  --  Graph  Structure  --  Graph  Terminology  --  Graph  Schemas  --  Traversing  a  Graph  --  Hops  and  Distance  --  Breadth  and  Depth  --  Graph  Modeling  --  Schema  Options  and  Trade-Offs  --  Transforming  Tables  in  a  Graph  --  Model  Evolution  --  Graph  Power  --  Connecting  the  Dots  --  The  360  View  --  Looking  Deep  for  More  Insight  --  Seeing  and  Finding  Patterns  --  Matching  and  Merging  --  Weighing  and  Predicting  --  Chapter  Summary  --  Chapter  3.  See  Your  Customers  and  Business  Better:  360  Graphs  --  Case  1:  Tracing  and  Analyzing  Customer  Journeys  --  Solution:  Customer  360  +  Journey  Graph  --  Implementing  the  C360  +  Journey  Graph:  A  GraphStudio  Tutorial  --  Create  a  TigerGraph  Cloud  Account  --  Get  and  Install  the  Customer  360  Starter  Kit  --  An  Overview  of  GraphStudio  --  Design  a  Graph  Schema  --  Data  Loading  --  Queries  and  Analytics  --  Case  2:  Analyzing  Drug  Adverse  Reactions  --  Solution:  Drug  Interaction  360  Graph  --  Implementation  --  Graph  Schema  --  Queries  and  Analytics  --  Chapter  Summary  --  Chapter  4.  Studying  Startup  Investments  --  Goal:  Find  Promising  Startups  --  Solution:  A  Startup  Investment  Graph  --  Implementing  a  Startup  Investment  Graph  and  Queries  --  The  Crunchbase  Starter  Kit  --  Graph  Schema  --  Queries  and  Analytics  --  Chapter  Summary  --  Chapter  5.  Detecting  Fraud  and  Money  Laundering  Patterns  --  Goal:  Detect  Financial  Crimes.
■5058  ▼aSolution:  Modeling  Financial  Crimes  as  Network  Patterns  --  Implementing  Financial  Crime  Pattern  Searches  --  The  Fraud  and  Money  Laundering  Detection  Starter  Kit  --  Graph  Schema  --  Queries  and  Analytics  --  Chapter  Summary  --  Part  II.  Analyze  --  Chapter  6.  Analyzing  Connections  for  Deeper  Insight  --  Understanding  Graph  Analytics  --  Requirements  for  Analytics  --  Graph  Traversal  Methods  --  Parallel  Processing  --  Aggregation  --  Using  Graph  Algorithms  for  Analytics  --  Graph  Algorithms  as  Tools  --  Graph  Algorithm  Categories  --  Chapter  Summary  --  Chapter  7.  Better  Referrals  and  Recommendations  --  Case  1:  Improving  Healthcare  Referrals  --  Solution:  Form  and  Analyze  a  Referral  Graph  --  Implementing  a  Referral  Network  of  Healthcare  Specialists  --  The  Healthcare  Referral  Network  Starter  Kit  --  Graph  Schema  --  Queries  and  Analytics  --  Case  2:  Personalized  Recommendations  --  Solution:  Use  Graph  for  Multirelationship-Based  Recommendations  --  Implementing  a  Multirelationship  Recommendation  Engine  --  The  Recommendation  Engine  2.0  Starter  Kit  --  Graph  Schema  --  Queries  and  Analytics  --  Chapter  Summary  --  Chapter  8.  Strengthening  Cybersecurity  --  The  Cost  of  Cyberattacks  --  Problem  --  Solution  --  Implementing  a  Cybersecurity  Graph  --  The  Cybersecurity  Threat  Detection  Starter  Kit  --  Graph  Schema  --  Queries  and  Analytics  --  Chapter  Summary  --  Chapter  9.  Analyzing  Airline  Flight  Routes  --  Goal:  Analyzing  Airline  Flight  Routes  --  Solution:  Graph  Algorithms  on  a  Flight  Route  Network  --  Implementing  an  Airport  and  Flight  Route  Analyzer  --  The  Graph  Algorithms  Starter  Kit  --  Graph  Schema  and  Dataset  --  Installing  Algorithms  from  the  GDS  Library  --  Queries  and  Analytics  --  Chapter  Summary  --  Part  III.  Learn  --  Chapter  10.  Graph-Powered  Machine  Learning  Methods  --  Unsupervised  Learning  with  Graph  Algorithms  --  Learning  Through  Similarity  and  Community  Structure.
■5058  ▼aFinding  Frequent  Patterns  --  Extracting  Graph  Features  --  Domain-Independent  Features  --  Domain-Dependent  Features  --  Graph  Embeddings:  A  Whole  New  World  --  Graph  Neural  Networks  --  Graph  Convolutional  Networks  --  GraphSAGE  --  Comparing  Graph  Machine  Learning  Approaches  --  Use  Cases  for  Machine  Learning  Tasks  --  Pattern  Discovery  and  Feature  Extraction  Methods  --  Graph  Neural  Networks:  Summary  and  Uses  --  Chapter  Summary  --  Chapter  11.  Entity  Resolution  Revisited  --  Problem:  Identify  Real-World  Users  and  Their  Tastes  --  Solution:  Graph-Based  Entity  Resolution  --  Learning  Which  Entities  Are  the  Same  --  Resolving  Entities  --  Implementing  Graph-Based  Entity  Resolution  --  The  In-Database  Entity  Resolution  Starter  Kit  --  Graph  Schema  --  Queries  and  Analytics  --  Method  1:  Jaccard  Similarity  --  Merging  --  Method  2:  Scoring  Exact  and  Approximate  Matches  --  Chapter  Summary  --  Chapter  12.  Improving  Fraud  Detection  --  Goal:  Improve  Fraud  Detection  --  Solution:  Use  Relationships  to  Make  a  Smarter  Model  --  Using  the  TigerGraph  Machine  Learning  Workbench  --  Setting  Up  the  ML  Workbench  --  Working  with  ML  Workbench  and  Jupyter  Notes  --  Graph  Schema  and  Dataset  --  Graph  Feature  Engineering  --  Training  Traditional  Models  with  Graph  Features  --  Using  a  Graph  Neural  Network  --  Chapter  Summary  --  Connecting  with  You  --  Index  --  About  the  Authors  --  Colophon.
■588    ▼aDescription  based  on  publisher  supplied  metadata  and  other  sources.
■590    ▼aElectronic  reproduction.  Ann  Arbor,  Michigan  :  ProQuest  Ebook  Central,  2026.  Available  via  World  Wide  Web.  Access  may  be  limited  to  ProQuest  Ebook  Central  affiliated  libraries.  
■655  4▼aElectronic  books.
■7001  ▼aNguyen,  Phuc  Kien.
■7001  ▼aThomas,  Alexander.
■77608▼iPrint  version▼aD,  Victor  Lee  Ph.▼tGraph-Powered  Analytics  and  Machine  Learning  with  TigerGraph▼dSebastopol  :  O'Reilly  Media,  Incorporated,c2023▼z9781098106652
■7972  ▼aProQuest  (Firm)
■85640▼uhttps://ebookcentral.proquest.com/lib/baekseok-ebooks/detail.action?docID=30662133▼zClick  to  View

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서