علم دادههای نموداری زمانی کاربردی است که میخواهید به سؤالات پاسخ دهید، البته نه فقط با استفاده از دادههای خود، بلکه با استفاده از اتصالات و روابط بین دادهها.
به گزارش مجله خبری آی تی و دیجیتال و به نقل از venturebeat، نمودارها یک ساختار داده جهانی هستند که طیف گستردهای را در بر میگیرند: از تجزیه و تحلیل گرفته تا پایگاه داده، مدیریت دانش تا علم داده، یادگیری ماشین و حتی سخت افزار.
هدف علم دادههای نموداری، استفاده از روابط بین دادهها است. اکثر دانشمندان داده با دادهها در قالبهای جدولی کار میکنند. با این حال، برای به دست آوردن بینش بهتر باید از نمودار استفاده کرد.
Graph Data Science /علم دادههای نموداری:
علم دادههای نموداری یا GDS هدفی دوگانه دارد. از یک طرف، میخواهد به دانشمندان داده کمک کند، و هم برای تحلیلگران تجاری و تحلیلگران داده، که لزوماً کاربران پایگاه داده نموداری نیستند؛ مفید است.
ارزش اصلی GDS این است که نه تنها وسیلهای برای ذخیره دادههای مرتبط است؛ بلکه یک فضای کاری واحد و محیطی برای انجام تجزیه و تحلیل دادهها، پرس و جو، آموزش و توسعه مدل در اختیار آنها قرار میدهد.
یکی دیگر از پیشرفتهای کلیدی، در زبان برنامه نویسی پایتون است. اول اینکه دانشمندان داده را قادر میسازد تا مستقیماً با پایتون، که محبوبترین انتخاب آنها است، کار کنند. دوم، به این دلیل که کار با AuraDS و GDS را مستقیماً از طریق نوتبوکها و گرفتن نتایج از طریق فریمهای داده امکانپذیر میسازد.
GDS 2.0 همچنین قابلیتهای یادگیری ماشین و AutoML بیشتری را به ارمغان میآورد.
GDS 2.0 از کانکتورهای Neo4j با Apache Spark و ابزارهای BI مانند Microsoft Power BI، Tableau و Looker پشتیبانی میکند و ادغام با Dataiku و KNIME اضافه شده است.
در نهایت GDS 2.0 الگوریتمهای جدید و همچنین بهبودهایی را در الگوریتمهای موجود به ارمغان میآورد.
نظرات کاربران