{"product_id":"9781617299469","title":"Graphenalgorithmen für Data Science: Mit Beispielen in Neo4j","description":"\u003ctable\u003e\u003ctbody\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eAutor\/Mitwirkende(r):\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd style=\"\"\u003e Bratanic, Tomaž\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eHerausgeber:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd\u003e Manning\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n \u003ctd style=\"\"\u003e\u003cstrong\u003eDatum:\u003c\/strong\u003e\u003c\/td\u003e\n\n\u003ctd\u003e 27.02.2024\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eBindung:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd style=\"\"\u003e Taschenbuch\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eZustand:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd style=\"\"\u003e NEU\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e \u003cb\u003ePraktische Methoden, um Ihre Daten mit Diagrammen zu analysieren und so verborgene Zusammenhänge aufzudecken und neue Erkenntnisse zu gewinnen.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Graphen sind die natürliche Art, verbundene Daten darzustellen und zu verstehen. Dieses Buch untersucht die wichtigsten Algorithmen und Techniken für Graphen in der Datenwissenschaft und gibt konkrete Ratschläge zur Implementierung und Bereitstellung. Sie benötigen keine Erfahrung mit Graphen, um von diesem aufschlussreichen Leitfaden zu profitieren. Diese leistungsstarken Graphenalgorithmen werden in klarem, jargonfreiem Text und Abbildungen erklärt, sodass Sie sie leicht auf Ihre eigenen Projekte anwenden können.\u003cbr\u003e\u003cbr\u003e In \u003ci\u003eGraphenalgorithmen für Data Science\u003c\/i\u003e lernen Sie:\u003cbr\u003e\u003cbr\u003e\u003cul\u003e\n\u003cli\u003e Modellierung von Graphen mit beschrifteten Eigenschaften\u003c\/li\u003e\n\u003cli\u003e Erstellen eines Diagramms aus strukturierten Daten wie CSV oder SQL\u003c\/li\u003e\n\u003cli\u003e NLP-Techniken zum Erstellen eines Graphen aus unstrukturierten Daten\u003c\/li\u003e\n\u003cli\u003e Syntax der Cypher-Abfragesprache zum Bearbeiten von Daten und Extrahieren von Erkenntnissen\u003c\/li\u003e\n\u003cli\u003e Algorithmen zur Analyse sozialer Netzwerke wie PageRank und Community-Erkennung\u003c\/li\u003e  \u003cli\u003eSo übersetzen Sie die Graphstruktur mit Node-Embedding-Modellen in eine ML-Modelleingabe\u003c\/li\u003e\n\u003cli\u003e Verwenden von Graphfunktionen in Knotenklassifizierungs- und Linkvorhersage-Workflows\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cbr\u003e \u003ci\u003eGraphenalgorithmen für die Datenwissenschaft\u003c\/i\u003e ist ein praktischer Leitfaden für die Arbeit mit graphenbasierten Daten in Anwendungen wie maschinellem Lernen, Betrugserkennung und Geschäftsdatenanalyse. Es ist voller faszinierender und unterhaltsamer Projekte, die die Besonderheiten von Graphen demonstrieren. Sie erwerben praktische Fähigkeiten durch die Analyse von Twitter, das Erstellen von Graphen mit NLP-Techniken und vieles mehr.\u003cbr\u003e\u003cbr\u003e Vorwort von Michael Hunger.\u003cbr\u003e\u003cbr\u003e Beim Kauf des gedruckten Buches ist ein kostenloses E-Book in den Formaten PDF, Kindle und ePub von Manning Publications enthalten.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eÜber die Technologie\u003c\/b\u003e\u003cbr\u003e  \u003cbr\u003eEin Graph ist, vereinfacht ausgedrückt, ein Netzwerk verbundener Daten. Graphen sind eine effiziente Methode, um die wichtigen Beziehungen zu identifizieren und zu untersuchen, die in einem Datensatz natürlich vorkommen. Dieses Buch stellt die wichtigsten Algorithmen für die Graphendatenwissenschaft mit Beispielen aus dem maschinellen Lernen, Geschäftsanwendungen, der Verarbeitung natürlicher Sprache und mehr vor.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eÜber das Buch\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e \u003ci\u003eGraphenalgorithmen für die Datenwissenschaft\u003c\/i\u003e zeigt Ihnen, wie Sie aus strukturierten und unstrukturierten Daten Diagramme erstellen und analysieren. Darin lernen Sie, Diagrammalgorithmen wie PageRank, Community-Erkennung\/-Clusterbildung und Wissensdiagrammmodelle anzuwenden, indem Sie jeden neuen Algorithmus in einem praktischen Datenprojekt einsetzen. Dieses hochmoderne Buch zeigt auch, wie Sie Diagramme erstellen können, die mithilfe der Knoteneinbettung die Eingabe für KI-Modelle optimieren.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eWas ist da drin\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e\u003cul\u003e\n\u003cli\u003e Wissensgraphen erstellen\u003c\/li\u003e\n\u003cli\u003e Workflows zur Knotenklassifizierung und Linkvorhersage\u003c\/li\u003e\n\u003cli\u003e NLP-Techniken zur Graphenkonstruktion\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cbr\u003e \u003cb\u003eÜber den Leser\u003c\/b\u003e\u003cbr\u003e  \u003cbr\u003eFür Datenwissenschaftler, die sich mit den Grundlagen des maschinellen Lernens auskennen. Beispiele verwenden die im Buch erläuterte Cypher-Abfragesprache.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eÜber den Autor\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003eTomaž Bratanic\u003c\/b\u003e arbeitet an der Schnittstelle zwischen Graphen und maschinellem Lernen.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eArturo Geigel\u003c\/b\u003e war der technische Redakteur dieses Buches.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eInhaltsverzeichnis\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e TEIL 1 EINFÜHRUNG IN GRAFIKEN\u003cbr\u003e 1 Graphen und Netzwerkwissenschaft: Eine Einführung\u003cbr\u003e 2 Netzwerkstruktur darstellen: Entwerfen Sie Ihr erstes Graphenmodell\u003cbr\u003e TEIL 2 SOZIALE NETZWERKANALYSE\u003cbr\u003e 3 Ihre ersten Schritte mit der Abfragesprache Cypher\u003cbr\u003e 4 Explorative Graphanalyse\u003cbr\u003e 5 Einführung in die soziale Netzwerkanalyse\u003cbr\u003e 6 Projektierung monopartiter Netzwerke\u003cbr\u003e 7 Ableitung von Ko-Auftrittsnetzwerken auf der Grundlage bipartiter Netzwerke\u003cbr\u003e 8 Aufbau eines Nearest-Neighbor-Ähnlichkeitsnetzwerks\u003cbr\u003e TEIL 3: GRAPH-MASCHINENLERNEN\u003cbr\u003e 9 Knoteneinbettungen und Klassifizierung\u003cbr\u003e 10 Linkvorhersage\u003cbr\u003e 11 Vervollständigung des Wissensgraphen\u003cbr\u003e 12 Erstellen eines Graphen mithilfe der Technik der natürlichen Sprachverarbeitung","brand":"Manning","offers":[{"title":"Default Title","offer_id":42973612441855,"sku":"9781617299469","price":59.99,"currency_code":"USD","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0452\/0886\/2873\/files\/Jacket_d41c9d44-f9fe-4a5f-a275-e5cbac903139.jpg?v=1771253659","url":"https:\/\/massivebookshop.com\/de\/products\/9781617299469","provider":"MASSIVE BOOKSHOP","version":"1.0","type":"link"}