Graph Data Science con Neo4j: Aprende a utilizar Neo4j 5 con Graph Data Science library 2.0 y su driver Python para tu proyecto

Opiniones de los lectores

El libro 'Graph Data Science with Neo4j' es muy elogiado por su completa cobertura de los conceptos de la ciencia de datos de grafos utilizando Neo4j, adecuado tanto para principiantes como para profesionales experimentados. Ofrece ejemplos prácticos, orientación paso a paso y conocimientos sobre temas avanzados, lo que lo convierte en un valioso recurso para los científicos de datos.

⬤ Excelente para principiantes y usuarios experimentados
⬤ ejemplos prácticos
⬤ instrucciones claras paso a paso
⬤ cubre temas básicos y avanzados
⬤ fuerte énfasis en aplicaciones del mundo real
⬤ sirve como referencia duradera
⬤ introduce el controlador GDSL Python de Neo4j.

⬤ Algunos lectores pueden encontrar que el libro asume un cierto nivel de conocimiento previo
⬤ a veces se podría desear una exploración más profunda de temas avanzados
⬤ Neo4j puede no ser la única opción disponible, lo que podría limitar la perspectiva sobre la ciencia de datos de grafos.

(basado en 6 opiniones de lectores)

Título original:

Graph Data Science with Neo4j: Learn how to use Neo4j 5 with Graph Data Science library 2.0 and its Python driver for your project

Contenido del libro:

Mejore sus datos con el potencial ilimitado de Neo4j 5, la principal base de datos de gráficos para el aprendizaje automático de vanguardia.

La compra del libro impreso o Kindle incluye un eBook PDF gratuito.

Características principales

⬤ Extraiga información significativa de los datos de gráficos con la última versión 5 de Neo4j.

⬤ Utilice algoritmos de grafos en una línea de aprendizaje automático normal en Python.

⬤ Aprenda los principios básicos de Graph Data Science Library para hacer predicciones y crear pipelines de ciencia de datos.

Descripción del libro

Neo4j, junto con su biblioteca Graph Data Science (GDS), es una solución completa para almacenar, consultar y analizar datos de gráficos. Dado que las bases de datos de grafos son cada vez más populares entre los desarrolladores, es probable que los científicos de datos se enfrenten a este tipo de bases de datos en su carrera, lo que convierte en una habilidad indispensable trabajar con algoritmos de grafos para extraer información contextual y mejorar el rendimiento general de predicción del modelo.

Los científicos de datos que trabajan con Python podrán poner en práctica sus conocimientos con esta guía práctica sobre Neo4j y la biblioteca GDS que ofrece explicaciones paso a paso de conceptos esenciales e instrucciones prácticas para implementar técnicas de ciencia de datos sobre datos de grafos utilizando la última versión 5 de Neo4j y sus bibliotecas asociadas. Empezarás consultando Neo4j con Cypher y aprenderás a caracterizar conjuntos de datos de grafos. A medida que se familiarice con la ejecución de algoritmos de grafos en datos de grafos almacenados en Neo4j, comprenderá las nuevas y avanzadas capacidades de la biblioteca GDS que le permitirán realizar predicciones y escribir pipelines de ciencia de datos. Utilizando el nuevo controlador GDSL Python, podrás integrar algoritmos de grafos en tu canal de ML.

Al final de este libro, podrá aprovechar las relaciones de su conjunto de datos para mejorar su modelo actual y realizar otros tipos de predicciones elaboradas.

Lo que aprenderá:

⬤ Utilizar el lenguaje de consulta Cypher para consultar bases de datos de grafos como Neo4j.

⬤ Construir conjuntos de datos de gráficos a partir de sus propios datos y gráficos de conocimiento público.

⬤ Realizar predicciones específicas de grafos, como la predicción de enlaces.

⬤ Explorar la última versión de Neo4j para construir un pipeline de ciencia de datos de grafos.

⬤ Ejecutar un algoritmo de predicción scikit-learn con datos de grafos.

⬤ Entrenar un algoritmo predictivo de incrustación en GDS y gestionar el almacén de modelos.

Para quién es este libro:

Si eres un científico de datos o un profesional de datos con una base en los fundamentos de Neo4j y ahora estás listo para entender cómo construir soluciones analíticas avanzadas, encontrarás útil este libro de ciencia de datos de grafos. Es necesario estar familiarizado con los principales componentes de un proyecto de ciencia de datos en Python y Neo4j para seguir los conceptos tratados en este libro.