Graf algoritmalarıyla veriden içgörü çıkarın
Neo4j: Applying Graph Algorithms on In-memory Graphs Eğitimi, GDS kütüphanesiyle graf verisi üzerinde ölçeklenebilir analitik çalıştırmayı öğretir. Program GDS mimarisi ve bellek içi graf projeksiyonlarıyla başlar.
GDS kütüphanesi ve bellek içi graf projeksiyonlarıyla ölçeklenebilir graf analitiği
Neo4j: Applying Graph Algorithms on In-memory Graphs Eğitimi, Graph Data Science (GDS) kütüphanesiyle graf verisi üzerinde ölçeklenebilir analitik çalıştırmaya odaklanır. Katılımcılar native ve Cypher projeksiyonlarıyla graf'ın bellek içi temsilini oluşturmayı öğrenir. PageRank ve Betweenness gibi merkeziyet, Louvain gibi topluluk tespiti, Dijkstra ve A* gibi yol bulma, Node Similarity ve node embedding algoritmaları uygulanır. Graf makine öğrenmesi de ele alınır.
3 Gün. Her gün dört modül; GDS ve bellek içi projeksiyonlardan merkeziyet, topluluk, yol algoritmalarına ve graf makine öğrenmesine ilerlenir.
Orta Seviye — GDS kütüphanesi, bellek içi graf projeksiyonları ve merkeziyet, topluluk, yol ve benzerlik algoritmaları
Her algoritma gerçek bir graf projeksiyonu üzerinde GDS prosedürleriyle stream, stats ve write kiplerinde uygulamalı çalıştırılır.
Graph Data Science kütüphanesiyle onlarca hazır, paralel ve ölçeklenebilir graf algoritmasını doğrudan Neo4j üzerinde çalıştırırsınız.
Graf'ı bellek içi projeksiyona alarak büyük graflar üzerinde algoritmaları yüksek performansla ve verimli biçimde çalıştırırsınız.
Merkeziyet, topluluk ve benzerlik sonuçlarıyla içgörü üretir, node embedding ile graf makine öğrenmesine zemin hazırlarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Neo4j graf modeli ve temel Cypher sorgulama bilgisi eğitimden verim almak için gereklidir.
Düğüm, ilişki, yön ve ağırlık gibi graf kavramlarına temel düzeyde aşinalık faydalıdır.
Temel istatistik ve veri analizi kavramlarına genel aşinalık algoritma sonuçlarını yorumlamayı kolaylaştırır.
GDS kütüphanesi kurulu Neo4j Desktop veya AuraDS erişimi olan bir makine uygulamalar için gereklidir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Graph Data Science kütüphanesini kurar, graf katalog ve algoritma kiplerini kullanarak graf analitiğini yönetirsiniz.
Native ve Cypher projeksiyonlarıyla graf'ın bellek içi temsilini oluşturur, filtreleme ve ağırlık tanımlarsınız.
PageRank, Betweenness ve Closeness ile etkili ve köprü düğümleri belirleyerek graf yapısını analiz edersiniz.
Louvain ve Label Propagation ile toplulukları bulur, modülerlik ve bağlı bileşenlerle kümeleri yorumlarsınız.
Dijkstra, A* ve K-Shortest Paths ile ağırlıklı en kısa yolları hesaplar, gezinme senaryolarını çözersiniz.
Node Similarity ve KNN ile benzerlik grafları üretir, öneri ve komşuluk senaryolarını kurarsınız.
FastRP, Node2Vec ve GraphSAGE ile node embedding üretir, bunları makine öğrenmesi özniteliği olarak kullanırsınız.
Node classification ve link prediction pipeline'ları kurar, model eğitip tahminleri grafa yazarsınız.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Redis mesajlaşma ve streaming eğitimi: Pub/Sub, Redis Streams, tüketici grupları, XACK/XCLAIM ile güvenilir işleme ve keyspace bildirimlerini uygulamalı öğrenin
Detayları Gör →
Redis eğitimi: veri yapıları, komutlar, redis-py, Jedis ve node-redis istemcileri, bağlantı havuzu, pipelining, transaction, önbellekleme ve pub/sub öğrenin.
Detayları Gör →
DynamoDB ileri eğitim: GSI/LSI tasarımı, ACID transaction, optimistic locking, DynamoDB Streams, Lambda, global tables, PITR yedekleme ve IAM güvenliğini öğreni
Detayları Gör →
Amazon DynamoDB giriş eğitimi: NoSQL temelleri, tablo, item, partition key ve sort key tasarımı, console/CLI ile tablo oluşturma ve temel CRUD işlemlerini öğren
Detayları Gör →
DynamoDB optimizasyon eğitimi: erişim deseni odaklı veri modelleme, single-table design, partition tasarımı, kapasite planlama, maliyet, CloudWatch ve DAX öğren
Detayları Gör →
DynamoDB API eğitimi: PutItem/GetItem, Query ve Scan, condition/update/filter expression'ları, batch, transaction, PartiQL ve SDK entegrasyonunu uygulamalı öğre
Detayları Gör →