Descripción
Mejore sus modelos de aprendizaje automático con algoritmos basados en grafos, la estructura perfecta para datos complejos e interconectados. Resumen
En Graph-Powered Machine Learning, aprenderá: El ciclo de vida de un proyecto de aprendizaje automático
Grafos en plataformas de big data
Modelado de fuentes de datos usando grafos
Procesamiento de lenguaje natural, recomendaciones y técnicas de detección de fraudes basados en grafos
Algoritmos de grafos
Trabajando con Neo4J Graph-Powered Machine Learning enseña a usar algoritmos basados en grafos y estrategias de organización de datos para desarrollar aplicaciones de aprendizaje automático superiores. Se sumergirá en el papel de los grafos en el aprendizaje automático y las plataformas de big data, y echará un vistazo en profundidad al modelado de fuentes de datos, el diseño de algoritmos, las recomendaciones y la detección de fraudes. Explore proyectos de principio a fin que ilustran arquitecturas y le ayudan a optimizar con las mejores prácticas de diseño. ¡La amplia experiencia del autor Alessandro Negro brilla en cada capítulo, mientras aprende de ejemplos y escenarios concretos basados en su trabajo con clientes reales! La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications. Sobre la tecnología
Identificar relaciones es la base del aprendizaje automático. Al reconocer y analizar las conexiones en sus datos, los algoritmos centrados en grafos como K-vecino más cercano o PageRank mejoran radicalmente la efectividad de las aplicaciones de ML. Las técnicas de aprendizaje automático basadas en grafos ofrecen una nueva perspectiva poderosa para el aprendizaje automático en redes sociales, detección de fraude, procesamiento de lenguaje natural y sistemas de recomendación. Sobre el libro
Graph-Powered Machine Learning le enseña cómo explotar las relaciones naturales en conjuntos de datos estructurados y no estructurados utilizando algoritmos y herramientas de aprendizaje automático orientados a grafos. En este libro autorizado, dominará las arquitecturas y las prácticas de diseño de grafos, y evitará errores comunes. El autor Alessandro Negro explora ejemplos de aplicaciones del mundo real que conectan los conceptos de GraphML con tareas del mundo real. Qué contiene Grafos en plataformas de big data
Recomendaciones, procesamiento de lenguaje natural, detección de fraude
Algoritmos de grafos
Trabajando con la base de datos de grafos Neo4J Sobre el lector
Para lectores familiarizados con los conceptos básicos del aprendizaje automático. Sobre el autor
Alessandro Negro es científico jefe en GraphAware. Ha sido ponente en muchas conferencias y tiene un doctorado en Ciencias de la Computación. Tabla de contenido
PARTE 1 INTRODUCCIÓN
1 Aprendizaje automático y grafos: Una introducción
2 Ingeniería de datos de grafos
3 Grafos en aplicaciones de aprendizaje automático
PARTE 2 RECOMENDACIONES
4 Recomendaciones basadas en contenido
5 Filtrado colaborativo
6 Recomendaciones basadas en sesiones
7 Recomendaciones contextuales e híbridas
PARTE 3 LUCHANDO CONTRA EL FRAUDE
8 Enfoques básicos para la detección de fraude basada en grafos
9 Algoritmos basados en proximidad
10 Análisis de redes sociales contra el fraude
PARTE 4 DOMINANDO EL TEXTO CON GRAFOS
11 Procesamiento del lenguaje natural basado en grafos
12 Grafos de conocimiento
Autor: Alessandro Nego
Editorial: Manning Publications
Publicado: 28/09/2021
Páginas: 496
Tipo de encuadernación: Tapa blanda
Peso: 1.67 libras
Tamaño: 9.13h x 7.32w x 0.94d
ISBN13: 9781617295645
ISBN10: 1617295647
Categorías BISAC:
- Informática | Ciencia de Datos | Aprendizaje Automático
- Informática | Ciencia de Datos | Redes Neuronales
- Informática | Ciencia de Datos | Visualización de Datos
En Graph-Powered Machine Learning, aprenderá: El ciclo de vida de un proyecto de aprendizaje automático
Grafos en plataformas de big data
Modelado de fuentes de datos usando grafos
Procesamiento de lenguaje natural, recomendaciones y técnicas de detección de fraudes basados en grafos
Algoritmos de grafos
Trabajando con Neo4J Graph-Powered Machine Learning enseña a usar algoritmos basados en grafos y estrategias de organización de datos para desarrollar aplicaciones de aprendizaje automático superiores. Se sumergirá en el papel de los grafos en el aprendizaje automático y las plataformas de big data, y echará un vistazo en profundidad al modelado de fuentes de datos, el diseño de algoritmos, las recomendaciones y la detección de fraudes. Explore proyectos de principio a fin que ilustran arquitecturas y le ayudan a optimizar con las mejores prácticas de diseño. ¡La amplia experiencia del autor Alessandro Negro brilla en cada capítulo, mientras aprende de ejemplos y escenarios concretos basados en su trabajo con clientes reales! La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications. Sobre la tecnología
Identificar relaciones es la base del aprendizaje automático. Al reconocer y analizar las conexiones en sus datos, los algoritmos centrados en grafos como K-vecino más cercano o PageRank mejoran radicalmente la efectividad de las aplicaciones de ML. Las técnicas de aprendizaje automático basadas en grafos ofrecen una nueva perspectiva poderosa para el aprendizaje automático en redes sociales, detección de fraude, procesamiento de lenguaje natural y sistemas de recomendación. Sobre el libro
Graph-Powered Machine Learning le enseña cómo explotar las relaciones naturales en conjuntos de datos estructurados y no estructurados utilizando algoritmos y herramientas de aprendizaje automático orientados a grafos. En este libro autorizado, dominará las arquitecturas y las prácticas de diseño de grafos, y evitará errores comunes. El autor Alessandro Negro explora ejemplos de aplicaciones del mundo real que conectan los conceptos de GraphML con tareas del mundo real. Qué contiene Grafos en plataformas de big data
Recomendaciones, procesamiento de lenguaje natural, detección de fraude
Algoritmos de grafos
Trabajando con la base de datos de grafos Neo4J Sobre el lector
Para lectores familiarizados con los conceptos básicos del aprendizaje automático. Sobre el autor
Alessandro Negro es científico jefe en GraphAware. Ha sido ponente en muchas conferencias y tiene un doctorado en Ciencias de la Computación. Tabla de contenido
PARTE 1 INTRODUCCIÓN
1 Aprendizaje automático y grafos: Una introducción
2 Ingeniería de datos de grafos
3 Grafos en aplicaciones de aprendizaje automático
PARTE 2 RECOMENDACIONES
4 Recomendaciones basadas en contenido
5 Filtrado colaborativo
6 Recomendaciones basadas en sesiones
7 Recomendaciones contextuales e híbridas
PARTE 3 LUCHANDO CONTRA EL FRAUDE
8 Enfoques básicos para la detección de fraude basada en grafos
9 Algoritmos basados en proximidad
10 Análisis de redes sociales contra el fraude
PARTE 4 DOMINANDO EL TEXTO CON GRAFOS
11 Procesamiento del lenguaje natural basado en grafos
12 Grafos de conocimiento
Autor: Alessandro Nego
Editorial: Manning Publications
Publicado: 28/09/2021
Páginas: 496
Tipo de encuadernación: Tapa blanda
Peso: 1.67 libras
Tamaño: 9.13h x 7.32w x 0.94d
ISBN13: 9781617295645
ISBN10: 1617295647
Categorías BISAC:
- Informática | Ciencia de Datos | Aprendizaje Automático
- Informática | Ciencia de Datos | Redes Neuronales
- Informática | Ciencia de Datos | Visualización de Datos
Sobre el Autor
Alessandro Negro es Científico Jefe en GraphAware. Con amplia experiencia en desarrollo de software, arquitectura de software y gestión de datos, ha sido ponente en numerosas conferencias, como Java One, Oracle Open World y Graph Connect. Es doctor en Ciencias de la Computación y ha authored varias publicaciones sobre aprendizaje automático basado en grafos.